Tenir Compte des Préférences Environnementales (2ème Partie)

La Figure 11 illustre comment les réglages de volume peuvent être enregistrés pour une situation d’écoute particulière. Dans cet exemple, Mme K. place sur ses oreilles le matin dans le calme de sa chambre puis entre dans son salon, où lorsque son mari lisant son journal l’aperçoit, débute une conversion. Mme K. augmente ainsi son volume (via le VC) de 4 dB. L’environnement est identifié par Environmental Classifier qui souligne le passage de l’environnement « calme » de la chambre à « parole faible » du salon lorsque son mari commence à parler. Si nous supposons que ce scénario se déroule 4 jours de suite, la figure 11 montre que Mme K. ajuste le volume control un peu moins chaque jour du fait de l’enregistrement de ses habitudes par le système du Learner, ce dernier étant graduel, comme il est illustré la courbe en pente douce en Figure 11. L’allure douce la courbe est rendu par le paramètre de confiance qui est mis à jour chaque fois que le VC est ajusté par l’utilisateur. Si ce dernier modifie de façon importante le volume de la même façon et dans un environnement particulier, la confiance dans le fait que cette action reflète vraiment son intention et sa préférence, augmente. Cette approche repose donc sur la confiance dans la validité de l’hypothèse – à savoir que le volume change est vraiment préféré par l’utilisateur – change pour une nouvelle évidence (Dijkstra et al, 2007 ; Ypma et al, 2006 ;De Vries et al, 2006). Inspiré par ce système de logique induite, l’action de l’Environmental Optimizer est en fait configuré et contrôlé par le patient. Ainsi, l’aide auditive se rapporte et supporte la capacité (supérieure) du système auditif central du patient pour gérer le son plus que pour prendre des décisions à la place du patient et reposant sur des considérations théorique.

 

Lorsque l’utilisateur de la technologie ReSound Azure revient chez l’audioprothésiste pour une visite de suivi, l’effet net de Environmental Optimizer réglé par l’audioprothésiste et grâce aux préférences enregistrées et prises en compte par le système du fait des positions du VC (figure7). Les valeurs enregistrées pour chaque environnement résultent des actions de l’utilisateur sont représentées dans l’écran Onboard Analyser Screen.

Figure 11: Les aides auditives Azure équipées de VC enregistrent graduellement et continuellement les préférences en terme de volume selon l'environnement de l'utilisateur. Cet exemple illustre comment Azure enregistre une augmentation de volume de 4 dB dans une

situation d'écoute spécifique.

 

Tenir Compte des Préférences Environnementales (1ère Partie)

Comme discuté précédemment, Environmental Optimizer (ReSound Azure) permet à l’audioprothésiste de personnaliser les réglages de volumes selon l’environnement. Cependant, en plus, pour les utilisateurs de contours munis de potentiomètre peuvent entraîner l’aide auditive sur les valeurs réelles préférées par l’utilisateur dans son environnement personnel. C’est un avantage clair pour l’utilisateur comme pour l’audioprothésiste afin de réduire le besoin de réglages fins sur plusieurs visites pour atteindre les meilleurs réglages individuels pour Environmental Optimizer.

 

En effet, à travers l’utilisation du VC, l’aide auditive apprendra graduellement et appliquera automatiquement les préférences en termes de volume et en fonction de l’environnement dans lequel il se trouve. Lorsque ce processus s’enclenche, l’utilisateur va vite se rendre compte qu’il n’a plus besoin de manipuler le VC pour gérer le volume. Parce que l’apprentissage est continu, il prend en compte continuellement les préférences en termes de volume ou la manipulation du VC qui en est faite. Comme schématisé dans la Figure 10, Environmental Optimizer permet une personnalisation selon les grandes tendances d’un groupe significatif d’utilisateurs jusqu’à des valeurs les plus individuallisées.

Figure 10: Environmental Optimizer offre des niveaux de personnalisation extrêmement pointus et avancés à l'audioprothésiste comme au malentendant avec l'apprentissage automatique des préférences individuelles de l'utilisateur.

Classification Environnementale (2ème partie)

Bien que le schéma de classification illustré dans la Figure 8 apparaisse simple, cela est trompeur. Le classifier utilise des algorithmes de détection de la voix et du bruit extrêmement sophistiqués reposant sur le contenu fréquentiel et l’équilibrage spectral, ainsi que les propriétés temporelles des sons entrant, afin de déterminer la nature de l’environnement acoustique. De plus, la classification ne se produit pas sur la base de critères rigoureux prédéterminés, mais plus sur la base de modèle de probabilités, résultant ainsi en une classification des environnements d’écoute qui a montré une plus grande consistance avec la perception de l’utilisateur. L’évidence de la supériorité de cette méthode de classification a été mise en évidence par Tchorz et al (2006), qui compare le comportement de classification environnementale de 2 aides auditives haut de gamme. Dans cette étude, les échantillons sonores qui était jugés subjectivement comme étant soit « calme », « parole dans le bruit » ou « bruit », ont été présentés dans une chambre anéchoïque avec les aides auditives posées sur un KEMAR, et la classification environnementale enregistrée à la sortie de l’appareil. Les 2 aides auditives avaient parfaitement classé les environnements calmes (100%). Cependant, dans des environnements présentant plus de variations acoustiques, le système ReSound a montré un plus haut degré d’exactitude, comme illustré Figure 9. Sans tenir compte du type d’environnement, la méthode de classification ReSound était en accord avec la classification subjective des environnements.

Figure 9: Le classifier de ReSound a montré une identification des environnements acoustiques d'un haut degré d'axactitude (Tchorz, 2006). En terme de comparaison entre appareils de même catégorie, seules les enviornnementc calmes furent identifiés correctement.

Classification Environnementale (1ère partie)

Le succès de l’algorithme « Environmental Optimizer » dépend de la capacité de l’aide auditive à identifier précisément et de façon consistante, c'est à dire sans se tromper, et de caractériser ces environnements avec du sens pour le malentendant. Par exemple, un schéma de classification qui distinguerait différents types de musique pourrait être intéressant mais pas vraiment utile aujourd’hui pour les utilisateurs d’aides auditives en terme d’ajustement automatique dans la vie de tous les jours. Le schéma de classification, développé pour ReSound Azure, prend en considération les facteurs vraiment significatifs pour le malentendant : y a-t-il un son au dessus du niveau ambiant? De la parole est elle présente? Quels sont les niveau sonores présents? Conceptualisée dans la figure 8, cette information est utilisée afin de catégoriser les sons d’entrée dans 7 environnements sonores.

Figure 8: Le classifier ReSound souligne la pertinance pour la communication et le confort en catégorisant les sons entrant en termes de présence et de niveau de parole et de bruit

Un équilibre naturel avec ses aides auditives

Les aides auditives sont capables aujourd’hui de prendre en compte automatiquement les préférences en termes de volume des utilisateurs, selon les environnements, de façon automatique. En effet, ReSound a développé l’algorithme Environmental Optimizer programmé par l’audioprothésiste, afin d’ajuster le volume général des aides auditives en fonction du type d’environnement. Ainsi, les besoins du malentendant désirant plus de volume pour les sons de paroles faibles peut être accommodé sans manipulation. De plus, s’il veut que le volume soit moins important dans les situations bruyantes, ceci peut être configuré pour être pris en compte automatiquement. Il n’est donc plus besoin de faire de compromis dans le gain général comme par le passé. En fait, Environmental Optimizer ne nécessite même pas de potentiomètre sur l’aide auditive, ainsi cette option est disponible sur tous les modèles ReSound Azure. Le logiciel de programmation Aventa applique automatiquement les ajustements de volume dans 7 environnements d’écoute en tenant compte du degré de perte auditive. Ces valeurs suggérées l’on été sur la base d’études cliniques réalisées par GN ReSound, et sont présentées dans le Tableau 1 ci-dessous.

 

Tableau 1: Pondérations appliquées selon les environnements sur le gain  général tel un Volume Control automatique, et dépendant du degré de perte auditive. L'audioprothésiste peut modifier ces valeurs pour les besoins individuels du malentendant.

 

Les pondérations reflètent les tendances de groupe, et sont par conséquent conservatrices. L’audioprothésiste peut utiliser Aventa simplement pour ajuster les tendances personnelles de l’utilisateur comme illustré en Figure 7. Lorsque les aides auditives sont portées, le volume change en 1.5 sec quand un nouvel environnement est identifié.

 

Figure 7: Représentation des contrôles modifiant les valeurs de l'Optimizer

Les Solutions pour entendre dans le bruit

Il y a 15 ou 20 ans, les utilisateurs d’aides auditives possédaient une option afin de réduire la gêne liée au bruit de fond, en effet ils pouvaient manipuler le Volume Control. Ils pouvaient également augmenter le volume dans les situations où ils trouvaient que le son était trop. Du fait de la popularité de l’amplification non linéaire dans les années 90, le nombre de patients appareillés sans VC diminuait alors de 20% par an (KOCHKIN, 2003). Le CIC était également pour quelque chose, mais en général cette tendance touchait toute l’audioprothèse. La raison de l’absence de cette option était principalement l’automaticité des aides auditives dans l’adaptation du gain au niveau idéal en fonction du niveau d’entrée, ainsi éliminant le besoin de manipulation le VC. Un autre bénéfice était le gain en esthétique du fait de l’absence du potentiomètre dans la conception des coques d’appareil, ainsi qu’au niveau du « look » en général, plus fin, avec moins de relief. En dépit de ces avantages, beaucoup d’utilisateurs exprimaient le désire d’avoir cette option ou étaient alors insatisfait de leurs appareils du fait de son absence (KOCHKIN, 2003, SURR et al, 2001 ; ARLINGER et BILLERMARK, 1999).

Nous ne pouvons donc pas affirmer encore à l’heure actuelle qu’un ensemble d’options ou de paramètres satisfassent les besoins du malentendant pleinement. Toutes les adaptations commencent par la prescription relative à des données audiométriques transmises par le médecin. Il est ainsi raisonnable de dire que le but d’une prescription d’appareillage est de fournir la meilleure intelligibilité tout en assurant le confort vis-à-vis des sons forts. Cette démarche ne prend donc pas en compte que le patient pourrait vouloir augmenter ou diminuer certains aspects dans différentes situations. Par exemple, un utilisateur pourrait vouloir plus de volume que ce qui est prescrit lors d’une réunion importante, au travail ou en famille, mais cependant vouloir moins de volume en lisant le journal dans le train… l’utilisateur ayant en plus une sensibilité plus importante au bruit de fond n’a plus qu’a éteindre ou retirer ses aides auditives lorsque les sons deviennent insupportables, mais risquant ainsi de passer à côté de l’information auditive.

Figure 6: Temps moyen passé dans 5 environnements d'écoute différents par programme durant une période d'une semaine chez 19 participants appareillés avec des aides multiprogrammes

L’utilisation d’aides auditives multi mémorielles avec des réglages pour différentes situations d’écoute pourrait être une solution à ce dilemme. Cependant la multitude de situations acoustique chez chacun d’entre nous impliquerait concrètement une multitude de programmes différents. Aussi, de nombreux utilisateurs n’utilisent pas les différents programmes proposés. NELSON et al (2006) ont rapporté chez un groupe d’utilisateurs d’appareils multiprogrammes des proportions de l’ordre de 10 H par jour sur le programme 1 et 2 H par jour pour les programmes 2 et 3 grâce au DataLogging. La figure 6 illustre le nombre d’heure moyen chez 19 participants passé dans chacun des 3 programmes durant une semaine et en fonction de l’environnement d’écoute. En plus de souligner la prépondérance du 1er programme omnidirectionnel, on peut également constater que selon l’environnement, l’utilisateur ne change pourtant pas de programme de façon efficace. Les aides auditives de cette étude possédaient un VC, et bien que son usage était modeste, les préférences en terme de volume différaient des cibles prescrites chez la plupart des participants. Par exemple, 5 participants avaient tendance à augmenter le volume dans des environnements de parole et à diminuer dans des environnements bruyants. Les autres participants auraient préféré des réglages de volume dans différentes situations mais sans manipulation de leur VC.

La difficulté d'accepter ses aides auditives

Les études ont établies que l'amélioration de l'intelligibilité de la parole dans le bruit ne garantissait pas le succès de l'appareillage. En effet, nous avons vu dans les articles précédents (catégorie "Directionnalité Naturelle") le faible bénéfice lié à la directionnalité dans la vie de tous les jours (comparativement aux résultats en laboratoire et publiés par les fabricants) ainsi que l'interférence de cette directionnalité dans l'analyse de la scène auditive par l'utilisateur. Ces 2 facteurs pourraient aider à expliquer cette observation. Cependant nous ne pouvons l'expliquer aussi simplement. Après tout, la directionnalité n'est pas la même dans toutes les aides auditives.

Une autre facette des appareillages réussis est l'acceptation par l'utilisateur des sons amplifiés, les ressentant comme confortables, intéressants, et plaisants. Les utilisateurs d’aides auditives doivent se résigner à entendre les sons sans intérêts dans le but d’entendre ceux qui ont de l’intérêt, comme la parole. On peut affirmer que beaucoup d’utilisateurs ne portent pas leurs aides auditives du fait de l’amplification du bruit ou des bruits que font leurs réfrigérateurs ou même la chasse d’eau des toilettes. Pour obtenir un appareillage réussi, les utilisateurs doivent accepter ces sons. Cette idée a conduit NABELEK et ses collègues à affirmer que l’utilisation des aides auditives devrait être déterminée plus par la volonté de l’utilisateur à entendre et écouter dans un bruit de fond plutôt que sa capacité à comprendre la parole (NABELEK et al, 1991).

Cette notion d’acceptation du bruit de fond est individuelle et elle joue un rôle dans la réussite de l’appareillage. Chaque entendant a conditionné des réponses affectives aux différents sons perçus. Par exemple, beaucoup de gens considèrent le son que fait la roulette du dentiste comme désagréable mais également le rire d’un enfant comme plaisant même ci ces deux sons sont présentés à la même intensité. La musique est un type de stimulus auditif qui a été démontré comme évoquant des réponses émotionnelles très puissantes. BLOOD & ZATORRE (2001) ont trouvé que lorsqu’on écoute de la musique qu’ils avaient eux-mêmes choisis, leur flux sanguin augmentait dans les régions corticales réagissant aux stimuli induisant l’euphorie de la même manière que la bonne cuisine. Cependant, différents patterns du flux sanguin cortical furent observés en réponse à de la musique qui n’était pas plaisante et délibérément dissonante (BLOOD et al, 1999), renforçant l’idée que les sons peuvent être tolérés différents selon les personnes et dépendant de leurs associations émotionnelles.

Afin d’explorer l’idée que les différences de tolérance au bruit de fond peuvent être un déterminant primordial pour accepter et utiliser l’amplification, NABELEK et al (1991) ont développé la procédure du Niveau de Bruit Acceptable (ANL – Acceptable Noise Level) afin de déterminer le niveau de bruit de fond accepté par les individus lorsqu’ils écoute de la parole. Cette procédure est exprimée en dB et traduit la relation entre le niveau de parole entendu le plus confortable possible et le niveau maximum acceptable de bruit de fond. Un ANL bas indique une acceptation d’un haut niveau de bruit de fond et apparaît être une caractéristique individuelle unique sans lien avec l’âge, le sexe ou la sévérité de la perte auditive. Dans une étude plus récente portant sur 191 utilisateurs d’aides auditives, les niveaux ANL sans appareils furent prédictifs d’un appareillage réussi avec 85% d’efficacité, où les scores de S/B et d’autres caractéristiques individuelles n’étaient pas en relation avec l’utilisation des aides auditives (NABELEK et al, 2006). Une découverte moins encourageante était que sur les 191 individus testés, seulement 36% des adaptations étaient destinés à être réussies (ou acceptées). Ces résultats traduisent le fait que les aides auditives seraient utilisées lorsque les utilisateurs en auraient besoin. Les chercheurs ont pointé le fait que les technologies de gestion du bruit présentes dans les aides auditives étaient très importantes pour obtenir des appareils réussis et acceptés.