# Cochlear implant microphone check using data logging

## TL;DR

This paper explores using data logging in cochlear implants to detect microphone malfunctions by comparing usage patterns in bilateral users.

## Contribution

It introduces a novel method to identify potential microphone defects using logged hearing environment data from bilateral cochlear implants.

## Key findings

- Nine out of 718 speech processors showed significant deviations in hearing environment recognition.
- Differences of up to 54% were found in the 'quiet' environment between devices with similar usage durations.
- One speech processor only recognized the 'quiet' scene at 100%.

## Abstract

In der Cochleaimplantat(CI)-Nachsorge ist die technische Überprüfung der internen und externen Komponenten ein fester Bestandteil. Routinemäßig wird der Sprachprozessor (SP) v. a. auf die volle Funktionsfähigkeit der Mikrofone hin geprüft. Abhängig vom SP können diese durch Fachpersonal abgehört oder in der CI-Anpasssoftware überprüft werden. Auch können Mikrofondefekte durch schlechtere Hörleistung aufgedeckt werden. Moderne CI-Systeme zeichnen via Datalogging auch die Dauer der Nutzung des SP und der Exposition bestimmter Hörumgebungen auf. Bei einer bilateralen CI-Versorgung könnten große Abweichung der erkannten Hörumgebung auf ein defektes Mikrofon hinweisen. Ziel dieser Arbeit ist es, die Datalog-Einträge von bilateralen CI-Trägern zu vergleichen, um potenzielle Mikrofondefekte zu identifizieren.

Die retrospektive Datenanalyse umfasst 359 bilaterale CI-Träger, die ein Cochlear-Nucleus-6-System oder höher erhalten haben. Die individuellen Datalog-Einträge wurden hinsichtlich der Dauer der CI-Nutzung sowie der Hörszenen „Ruhe“, „Sprache in Ruhe“, „Sprache im Störgeräusch“, „Lärm“ und „Musik“ ausgewertet und seitenweise verglichen. Bei einer vergleichbaren Nutzungsdauer werden Abweichungen von mehr als 15 % zwischen den Hörszenen des linken und des rechten Sprachprozessors als auffällig gewertet.

Unter den 718 untersuchten Sprachprozessoren wurden 9 als auffällig bewertet. Bei gleicher Nutzungsdauer beider Sprachprozessoren konnten in der Hörumgebung „Ruhe“ signifikante Unterschiede von bis zu 54 % zwischen beiden Geräten nachgewiesen werden. Einer der Sprachprozessoren erkannte lediglich die Szene „Ruhe“ zu 100 %.

Anhand von 2 Fallbeispielen werden der Zeitraum der CI-Versorgung, das Trageverhalten der Patienten, die Hörumgebungen und die nachweisbaren Unterschiede zwischen den beiden Sprachprozessoren detailliert dargestellt.

Die Informationen aus den Datalogs ermöglichen die Erkennung von möglichen Mikrofondefekten. Die Daten werden in der CI-Anpassung ohnehin automatisch ausgelesen und angezeigt. Es wird empfohlen, diese Informationen in die klinische Routine im Rahmen der technischen Überprüfung zu integrieren.