Wereldwijd worden meer en meer personen met een ernstig gehoorverlies geholpen met een cochleair implantaat (CI). Dankzij dit CI krijgen ze (opnieuw) toegang tot geluid door elektrische stimulatie van de gehoorzenuw. Tegenwoordig wordt de werking van een CI geëvalueerd door de CI-gebruiker woorden of zinnen te laten herhalen. Dit is niet altijd optimaal. De luisteraar moet actief deelnemen aan deze evaluatie wat deze metingen uitdagend of zelfs onmogelijk kan maken bij, bijvoorbeeld, jonge kinderen of personen met een verstandelijke beperking. Bovendien evalueert het herhalen van woorden of zinnen niet alleen de functie van het CI, maar ook de spraakproductie en het werkgeheugen van die persoon. Een bijkomend nadeel is dat het spraakmateriaal beperkt is tot lijsten met gestandaardiseerde woorden en zinnen die niet representatief zijn voor de dagelijkse spraak. Daarnaast is het aantal lijsten per spraakmateriaal gelimiteerd, met ongewenste leereffecten tot gevolg. Om deze problemen uit de weg te gaan, willen we een objectieve maat voor spraak verstaan ontwikkelen voor realistische stimuli waar geen actieve deelname van de CI-gebruiker vereist is.
Tijdens dit doctoraat hebben we (1) verschillende kenmerken van de spraak stimulus geoptimaliseerd en gevalideerd voor het voorspellen van spraak verstaan op basis hersenresponsen en (2) hebben we de haalbaarheid aangetoond van neurale spraaktracking als een objectieve maat voor spraak verstaan bij CI-gebruikers.
