DOI: https://doi.org/10.3389/fneur.2025.1643435
PMID: https://pubmed.ncbi.nlm.nih.gov/41783579
تاريخ النشر: 2026-02-17
المؤلف: Xin Li وآخرون
الموضوع الرئيسي: اضطرابات التوازن والسمع
نظرة عامة
تدرس الدراسة نتائج علاج فقدان السمع المفاجئ الحسي العصبي (SSNHL) من خلال تحليل البيانات السريرية من 200 مريض، مع التركيز على فعالية أنظمة العلاج المختلفة، بما في ذلك العلاجات الستيرويدية النظامية والداخل الأذني. تشير النتائج الرئيسية إلى أن العلاج المركب – الذي يستخدم الستيرويدات النظامية جنبًا إلى جنب مع الحقن خلف الأذن والداخل الأذني – يتفوق بشكل كبير على العلاج الأحادي، مع تمييز ملحوظ في معدلات الشفاء (p < 0.01). بالإضافة إلى ذلك، وُجد أن تعدد الأشكال الجينية المحددة في جينات مثل GJB2 و SLC26A4 و TNF-α و CYP3A4 تتوافق مع استجابات العلاج، مما يشير إلى إمكانيتها كعلامات حيوية جزيئية للعلاج الشخصي. تسلط الدراسة أيضًا الضوء على دور الذكاء الاصطناعي في التنبؤ بفعالية العلاج، حيث أظهر نموذج الشبكة العصبية الالتفافية (CNN) أداءً متفوقًا في الحساسية والدقة مقارنة بالنماذج التقليدية مثل الغابة العشوائية وآلات الدعم الناقل (p < 0.05). تؤكد قدرة نموذج CNN على تحديد الحالات ذات الشفاء الضعيف على فائدته كأداة لصنع القرار السريري. بشكل عام، تدعو النتائج إلى نهج علاج مركب ودمج التحليل الجيني ونماذج الذكاء الاصطناعي لتعزيز استراتيجيات العلاج الشخصي لفقدان السمع المفاجئ، بهدف تحسين نتائج المرضى وجودة حياتهم.
مقدمة
تتناول مقدمة ورقة البحث القلق المتزايد بشأن فقدان السمع المفاجئ الحسي العصبي (SSNHL)، وهو حالة طبية طارئة تتميز بتدهور سريع في السمع، وغالبًا ما يصاحبها طنين وأعراض أخرى. الطبيعة متعددة العوامل لآلية حدوث SSNHL تعقد من الوقاية والعلاج، حيث تشمل عوامل متنوعة مثل اضطرابات الدورة الدموية الدقيقة في القوقعة والعدوى الفيروسية. تعتمد استراتيجيات الإدارة الحالية بشكل أساسي على العلاج بالكورتيكوستيرويدات والعلاجات الداعمة، ومع ذلك، لا تزال هناك تباينات كبيرة في استجابات المرضى، مما يؤدي إلى ضعف السمع المستمر لدى بعض الأفراد على الرغم من التدخلات الموحدة.
لمواجهة هذا التحدي، تستفيد الدراسة من التقدم في الذكاء الاصطناعي (AI) لتحليل البيانات السريرية المعقدة، بما في ذلك الملفات الجينية واستجابات العلاج. من خلال استخدام خوارزميات التعلم العميق، تهدف الدراسة إلى تحديد تعدد الأشكال الجينية المرتبطة بـ SSNHL وتسهيل التنبؤات العلاجية الشخصية. تسعى هذه الطريقة إلى سد الفجوة نحو الطب الدقيق، مما يؤدي في النهاية إلى تطوير استراتيجيات علاج مخصصة لمرضى SSNHL من خلال دمج التحليل الجيني مع نمذجة التنبؤ المدفوعة بالذكاء الاصطناعي.
الطرق
في هذه الدراسة، تم إجراء تحليلات إحصائية باستخدام SPSS 22.0 لمعالجة وتفسير بيانات البحث. تم تلخيص البيانات الكمية التي اتبعت توزيعًا طبيعيًا كمتوسط ± انحراف معياري ($\bar{x} \pm s$)، بينما تم التعبير عن البيانات الفئوية من حيث التكرارات والنسب المئوية. بالنسبة للبيانات الكمية التي لم تستوفِ فرضية الطبيعية، تم استخدام اختبار مان-ويتني، بينما تم تطبيق تحليل التباين أحادي الاتجاه (ANOVA) على البيانات الكمية الموزعة بشكل طبيعي. تم استخدام اختبار كاي-تربيع لتحليل البيانات الفئوية. لأخذ المقارنات المتعددة في الاعتبار، تم تنفيذ طريقة تصحيح بونفيروني، مع تحديد عتبة دلالة عند $P < 0.05$. لضمان قوة النتائج الإحصائية الرئيسية، تم إجراء إعادة أخذ عينات باستخدام طريقة البوتستراب مع 1,000 تكرار لحساب فترات الثقة (CIs) بنسبة 95% لجميع مقاييس التقييم. كانت هذه الطريقة تهدف إلى تقليل التحيزات المحتملة المرتبطة بأحجام العينات الصغيرة، مما يعزز موثوقية النتائج.
النتائج
تشير نتائج الدراسة إلى وجود ارتباطات كبيرة بين تعدد الأشكال الجينية المحددة ومستويات التعبير عن mRNA لمستقبلات الجلوكوكورتيكويد (GR)، فضلاً عن معدلات الشفاء لدى المرضى. بشكل ملحوظ، أظهر الأفراد الذين يحملون النمط الجيني GJB2 rs3758344 TT أعلى مستوى من التعبير عن mRNA لمستقبلات الجلوكوكورتيكويد عند $1.82 \pm 0.31$ ومعدل شفاء ممتاز قدره 89.2%. بالمقابل، أظهر أولئك الذين يحملون الأنماط الجينية TC و CC مستويات تعبير ومعدلات شفاء أقل، بقيم قدرها $1.56 \pm 0.28$ (76.5%) و $1.25 \pm 0.27$ (56.7%)، على التوالي.
وبالمثل، بالنسبة لموقع SLC26A4 rs2893755، كان لدى المرضى الذين يحملون النمط الجيني CC مستوى تعبير عن mRNA لمستقبلات الجلوكوكورتيكويد قدره $1.63 \pm 0.30$ ومعدل شفاء قدره 78.5%، وهو ما كان أعلى بشكل ملحوظ من أولئك الذين يحملون النمط الجيني CT ($1.42 \pm 0.26$، 65.3%) والنمط الجيني TT ($1.18 \pm 0.25$، 52.3%). تشير هذه النتائج إلى أن مواقع GJB2 rs3758344 و SLC26A4 rs2893755 قد تلعب دورًا حاسمًا في التأثير على استجابات العلاج من خلال تنظيم تعبير GR.
المناقشة
في هذه الدراسة، تم استكشاف استراتيجيات علاجية متنوعة لفقدان السمع المفاجئ الحسي العصبي (SSNHL)، بما في ذلك العلاجات الستيرويدية النظامية والداخل الأذني، بالإضافة إلى عوامل تجريبية مثل مستخلص الجنكو بيلوبا و الباتروكسوبين. تم توثيق أنظمة العلاج بدقة، مع تسليط الضوء على استخدام الستيرويدات والعلاجات المساعدة مثل المغنيسيوم والإدرافون. استخدمت الدراسة أيضًا تقنيات جينية متقدمة، مستفيدة من التسلسل عالي الإنتاجية لتحليل المتغيرات الجينية المرتبطة بفقدان السمع، مع التركيز بشكل خاص على تعدد الأشكال الجينية الرئيسية (SNPs) في جينات مثل GJB2 و SLC26A4. أشارت النتائج إلى أن بعض المتغيرات الجينية كانت مرتبطة بشكل كبير باستجابات العلاج، مما يشير إلى إمكانية وجود نهج علاجي شخصي.
صنفت التقييمات التنبؤية استعادة السمع إلى أربعة مستويات، مع تمييز ملحوظ بين مجموعات الشفاء الممتاز والضعيف بناءً على الخصائص السريرية مثل العمر، وشدة فقدان السمع، ومدة العلاج. كشفت التحليلات الإحصائية أن المرضى الأصغر سنًا الذين يعانون من فقدان سمع أقل حدة ومدة علاج أقصر حققوا نتائج شفاء أفضل. علاوة على ذلك، قامت الدراسة ببناء والتحقق من صحة نموذج قائم على الذكاء الاصطناعي للتنبؤ بفعالية العلاج، مما أظهر أن الشبكة العصبية الالتفافية (CNN) تفوقت على النماذج التقليدية في التنبؤ بنتائج الشفاء. حقق نموذج CNN حساسية ودقة عالية، مما يعزز إمكانيته كأداة لصنع القرار السريري لاستراتيجيات العلاج الشخصية في SSNHL. بشكل عام، تؤكد الأبحاث على أهمية دمج البيانات الجينية وطرق الذكاء الاصطناعي لتعزيز فعالية العلاج ونتائج المرضى في حالات فقدان السمع المفاجئ.
DOI: https://doi.org/10.3389/fneur.2025.1643435
PMID: https://pubmed.ncbi.nlm.nih.gov/41783579
Publication Date: 2026-02-17
Author(s): Xin Li et al.
Primary Topic: Vestibular and auditory disorders
Overview
The study investigates the treatment outcomes of sudden sensorineural hearing loss (SSNHL) by analyzing clinical data from 200 patients, focusing on the efficacy of various treatment regimens, including systemic and intratympanic steroid therapies. Key findings indicate that combination therapy—utilizing systemic steroids alongside postauricular and intratympanic injections—significantly outperforms monotherapy, with a notable distinction in recovery rates (p < 0.01). Additionally, specific genetic polymorphisms in genes such as GJB2, SLC26A4, TNF-α, and CYP3A4 were found to correlate with treatment responses, suggesting their potential as molecular biomarkers for personalized therapy. The study also highlights the role of artificial intelligence in predicting treatment efficacy, with a convolutional neural network (CNN) model demonstrating superior performance in sensitivity, specificity, and accuracy compared to traditional models like random forest and support vector machines (p < 0.05). The CNN model's ability to effectively identify cases with poor recovery underscores its utility as a clinical decision-making tool. Overall, the findings advocate for a combination treatment approach and the integration of genetic analysis and AI models to enhance personalized treatment strategies for SSNHL, ultimately aiming to improve patient outcomes and quality of life.
Introduction
The introduction of the research paper addresses the growing concern of sudden sensorineural hearing loss (SSNHL), an otolaryngological emergency characterized by rapid hearing deterioration, often accompanied by tinnitus and other symptoms. The multifactorial nature of SSNHL’s pathogenesis complicates its prevention and treatment, as it involves various factors such as cochlear microcirculatory disorders and viral infections. Current management strategies primarily rely on corticosteroid therapy and supportive treatments, yet significant variability in patient responses remains, leading to persistent hearing impairment in some individuals despite standardized interventions.
To tackle this challenge, the study leverages advancements in artificial intelligence (AI) to analyze complex clinical data, including genomic profiles and treatment responses. By employing deep learning algorithms, the research aims to identify genetic polymorphisms associated with SSNHL and facilitate personalized treatment predictions. This approach seeks to bridge the gap toward precision medicine, ultimately developing tailored therapeutic strategies for SSNHL patients by integrating genetic analysis with AI-driven predictive modeling.
Methods
In this study, statistical analyses were conducted using SPSS 22.0 to process and interpret the research data. Quantitative data that followed a normal distribution were summarized as mean ± standard deviation ($\bar{x} \pm s$), while categorical data were expressed in terms of frequencies and percentages. For quantitative data that did not meet the normality assumption, the Mann-Whitney test was utilized, whereas one-way analysis of variance (ANOVA) was applied to normally distributed quantitative data. The chi-square test was employed for categorical data analysis. To account for multiple comparisons, the Bonferroni correction method was implemented, with a significance threshold set at $P < 0.05$. To ensure the robustness of the key statistical findings, bootstrap resampling with 1,000 iterations was performed to compute 95% confidence intervals (CIs) for all evaluation metrics. This approach aimed to reduce potential biases associated with small sample sizes, thereby enhancing the reliability of the results.
Results
The results of the study indicate significant associations between specific genetic polymorphisms and glucocorticoid receptor (GR) mRNA expression levels, as well as recovery rates in patients. Notably, individuals with the GJB2 rs3758344 TT genotype exhibited the highest GR mRNA expression level at $1.82 \pm 0.31$ and an excellent recovery rate of 89.2%. In contrast, those with the TC and CC genotypes showed lower expression levels and recovery rates, with values of $1.56 \pm 0.28$ (76.5%) and $1.25 \pm 0.27$ (56.7%), respectively.
Similarly, for the SLC26A4 rs2893755 locus, patients with the CC genotype had a GR mRNA expression level of $1.63 \pm 0.30$ and a recovery rate of 78.5%, which were significantly higher than those with the CT genotype ($1.42 \pm 0.26$, 65.3%) and TT genotype ($1.18 \pm 0.25$, 52.3%). These findings suggest that the GJB2 rs3758344 and SLC26A4 rs2893755 loci may play a crucial role in influencing treatment responses through the regulation of GR expression.
Discussion
In this study, various treatment strategies for sudden sensorineural hearing loss (SSNHL) were explored, including systemic and intratympanic corticosteroid therapies, as well as experimental agents such as Ginkgo biloba extract and batroxobin. The treatment regimens were meticulously documented, highlighting the use of corticosteroids and adjunctive therapies like magnesium and edaravone. The study also employed advanced genomic techniques, utilizing high-throughput sequencing to analyze genetic variants associated with hearing loss, specifically focusing on key single-nucleotide polymorphisms (SNPs) in genes such as GJB2 and SLC26A4. The findings indicated that certain genetic variants were significantly correlated with treatment responses, suggesting a potential for personalized treatment approaches.
The prognostic evaluation categorized hearing recovery into four levels, with a notable distinction between excellent and poor recovery groups based on clinical characteristics such as age, severity of hearing loss, and treatment duration. Statistical analyses revealed that younger patients with milder hearing loss and shorter treatment durations had better recovery outcomes. Furthermore, the study constructed and validated an AI-based model for predicting treatment efficacy, demonstrating that a convolutional neural network (CNN) outperformed traditional models in predicting recovery outcomes. The CNN model achieved high sensitivity and specificity, reinforcing its potential utility in clinical decision-making for personalized treatment strategies in SSNHL. Overall, the research underscores the importance of integrating genomic data and AI methodologies to enhance treatment efficacy and patient outcomes in sudden hearing loss.