SONIC es una iniciativa interdisciplinaria que une los campos de la ingeniería y la experiencia clínica, con el objetivo de mejorar la calidad auditiva de los pacientes con implantes cocleares (IC). Los IC han demostrado tener éxito en ayudar a los pacientes con pérdida auditiva. Sin embargo, persisten desafíos científico-técnicos como la limitada resolución espectral del sonido codificada a través de los electrodos, que compromete la inteligibilidad del lenguaje especialmente en entornos ruidosos, y la necesaria minimización del consumo de estos dispositivos. SONIC integra conocimientos de ámbitos multidisciplinares: medicina e ingeniería se unen para ofrecer una medicina personalizada. Se combinan de forma novedosa la sinergia entre la generación de modelos geométricos de cabeza completa adaptados a pacientes, algoritmos evolutivos y modelos subrogados, junto con la simulación numérica (método de elementos finitos, FEM).
El proceso implica: 1) desarrollar una malla y modelo FEM que tenga en cuenta el modelo de cabeza completa para un paciente específico; 2) ajustar los parámetros del modelo utilizando mediciones clínicas (ej.: matriz de transimpedancia) para mejorar la precisión del modelo computacional; 3) desarrollar un FEM tridimensional capaz de determinar las densidades de corriente en la posición de las neuronas del nervio auditivo; 4) definir funciones objetivo que optimicen tanto la focalización como el consumo de energía dentro del modelo computacional; 5) realizar un estudio para una optimización multiobjetivo de la estimulación multipolar, abarcando parámetros, métodos de optimización y/o modelos subrogados; y 6) ensayos clínicos que permitan medir el efecto de las predicciones numéricas en pacientes implantados de las estrategias optimizadas de estimulación multipolar para la maximización de la focalización y la minimización del consumo.
El proyecto coordinado se estructura en tres subproyectos: el Subproyecto 1 (SIANI-ULPGC, coordinador) desarrolla un modelo numérico para una estimulación multipolar eficiente que optimice la focalización y minimice el consumo; el Subproyecto 2 (HUVM-Sevilla) genera las mallas y modelos FEM precisos ajustados a la geometría de cada paciente a partir de imágenes y datos clínicos; y el Subproyecto 3 (FIISC) aborda la validación clínica de la estimulación multipolar óptima obtenida de los Subproyectos 1 y 2. Se espera que SONIC aporte estrategias de programación más efectivas y adaptadas a las complejidades de la estimulación multipolar, contribuyendo al conocimiento científico-técnico en neuroestimulación y a la mejora de la calidad de vida auditiva de los pacientes implantados.
SONIC is an interdisciplinary initiative that brings together the fields of engineering and clinical expertise, with the aim of improving the hearing quality of patients with cochlear implants (CIs). CIs have proven successful in helping patients with hearing loss. However, scientific and technical challenges remain, such as the limited spectral resolution of the sound encoded through the electrodes, which compromises speech intelligibility especially in noisy environments, and the need to minimise the power consumption of these devices. SONIC integrates knowledge from multidisciplinary fields: medicine and engineering come together to offer personalised medicine. It combines, in a novel way, the synergy between the generation of full-head geometric models adapted to patients, evolutionary algorithms and surrogate models, together with numerical simulation (finite element method, FEM).
The process involves: 1) developing a mesh and FEM model that takes into account the whole-head model for a specific patient; 2) tuning the model parameters using clinical measurements (e.g. transimpedance matrix) to improve the accuracy of the computational model; 3) developing a three-dimensional FEM capable of determining current densities at the position of the auditory nerve neurons; 4) defining objective functions that optimise both focusing and energy consumption within the computational model; 5) conducting a study for a multi-objective optimisation of multipolar stimulation, encompassing parameters, optimisation methods and/or surrogate models; and 6) clinical trials to measure the effect of numerical predictions in implanted patients of optimised multipolar stimulation strategies for maximisation of focusing and minimisation of energy consumption.
The coordinated project is organised into three subprojects: Subproject 1 (SIANI-ULPGC, coordinator) develops a numerical model for efficient multipolar stimulation that optimises focusing and minimises the energy consumption of CI stimulation; Subproject 2 (HUVM-Sevilla) produces accurate meshes and FEM models adjusted to each patient's geometry from images and clinical data; and Subproject 3 (FIISC) addresses the clinical validation of the optimal multipolar stimulation obtained from Subprojects 1 and 2. SONIC is expected to provide more effective programming strategies adapted to the complexities of multipolar stimulation, contributing to scientific-technical knowledge in neurostimulation and to improving the quality of hearing life of implanted patients.
Acronimo:
SONIC
Referencia:
PID2024-157499 (subproyectos C31, C32 y C33)
Titulo del proyecto:
Diseño Óptimo y Validación Clínica de Patrones de Estimulación Multipolar en Implantes Cocleares mediante Modelos In-Silico y Simulación Numérica (SONIC)
Diseño, refinamiento y validación de modelos de elementos finitos para el estudio de implantes cocleares y vestibulares
Fecha de Inicio:
01/09/2025
Fecha de finalización:
31/08/2028
Duración:
3 años
Subproyecto PID2024-157499OB-C31
David Greiner
José María Escobar
Subproyecto PID2024-157499OA-C32
María Amparo Callejón-Leblic
Subproyecto PID2024-157499OB-C33
Ángel Ramos Macías
Subproyecto PID2024-157499OA-C32
Título: «Implementación y Evaluación Clínica de Modelos Anatómicos de Cabeza Completa en Pacientes con Implante Coclear».
María Amparo Callejón-Leblic (Investigadora Principal)
Serafín Sánchez Gómez
Jesús Ambrosiani Fernández
Francisco Ropero Romero
Cristina Alonso González
Beatriz Tena García
Jesús Moreno Conde
Francisco José Núñez Benjumea
Sofía Rita Fernandes
Tania Hanekom
Subproyecto PID2024-157499OB-C31
Título: «Diseño Óptimo de Patrones de Estimulación Multipolar en Implantes Cocleares mediante Simulación Numérica».
The University of Las Palmas de Gran Canaria (ULPGC), created in 1989, has 11 University Institutes covering all fields of knowledge, with 1000 researchers and around 1000 PhD students. It also has a Scientific and Technological Park to help the dynamic transfer of R&D+i results to society in the Canary Islands and among its neighbours, as well as helping to launch technology-based companies.
The Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numéricas en la Ingeniería (SIANI) has research laboratories specialized in robotics, combining mechanics, electronics, computing, artificial intelligence and control engineering, as well as areas for development and teaching of new technologies.
David Greiner Sánchez (Investigador Principal 1)
José María Escobar Sánchez (Investigador Principal 2)
Gustavo Montero García
Eduardo Rodríguez Barrera
Ángel Ramos de Miguel
Marcos Hernández
Subproyecto PID2024-157499OB-C33
Título: «Evaluación Clínica de Patrones Óptimos de Estimulación Multipolar».
Ángel Ramos Macías (Investigador Principal)
Juan Carlos Falcón González
Silvia Andrea Borkoski Barreiro
Susana Benitez Robaina
Hernández-Gil, M. J., Ramos-de-Miguel, Á., Greiner, D., Benítez, D., Montero, G., Escobar, J. M. (2026). Engineering Science and Technology, an International Journal, 73, 102273.
Accurate estimation of the impedance matrix is essential for optimizing cochlear implant (CI) performance, yet the on-diagonal terms, that represent the contact impedances of electrodes, remain poorly characterized in existing models. In this work, we first analyze these on-diagonal terms and highlight their impact on electric field distribution. We then revisit the classic linear extrapolation approach and introduce two novel extrapolation methods to enhance prediction accuracy. To capture patient-specific variability, real impedance measurements are incorporated into a resistive–conductive finite-element method (FEM) model, whose matrices serve as the basis for a supervised neural network. The network is trained and validated on a diverse dataset of FEM-derived impedance matrices, enabling robust generalization across electrode configurations. Benchmarking against state-of-the-art techniques shows that our hybrid FEM-ANN framework reduces prediction error for diagonal terms. Moreover, when used in multipolar stimulation strategies, the ANN-based impedance matrices yield comparable focalization while requiring lower electrical power. Our results demonstrate that combining physical modeling with data-driven methods produces more reliable and efficient impedance estimates, paving the way for improved CI fitting and patient outcomes.
10.1016/j.jestch.2025.102273
Bronze Award · Humies – GECCO 2025
Un equipo del SIANI de la ULPGC recibió el Bronze Award en la prestigiosa competición Humies del congreso internacional Genetic and Evolutionary Computation Conference (GECCO) 2025, organizado por la ACM/SIGEVO. La competición Humies premia los resultados científicos humanamente competitivos que aplican computación evolutiva a la resolución eficiente de problemas de interés industrial y social.
El profesor David Greiner defendió el trabajo basado en el artículo "A computational model for multiobjective optimization of multipolar stimulation in cochlear implants: An enhanced focusing approach" (Expert Systems with Applications, Elsevier, 2025), coautorizado por los investigadores del SIANI Marcos Hernández-Gil, Ángel Ramos de Miguel, David Greiner, Domingo Benítez, Ángel Ramos Macías y José María Escobar, desarrollado en el marco del proyecto CoVest (PID2019-110185RB-C22). El premio fue entregado por el presidente del jurado, el profesor emérito Erik Goodman (Michigan State University), en la ceremonia de clausura del GECCO 2025.
Resultados y logros del proyecto precedente Co\VEST (PID2019-110185RB), https://covest.iusiani.ulpgc.es, base del nuevo proyecto SONIC.