Gevinster:
- Evne til at fortolke de grundlæggende komponenter i audiogrammet (dB HL, frekvens, luftledning/knogleledning, maskering) og typen og graden af høretab ved at verificere det med en kalibreret måling, ikke med en kunstig intelligensskitse
- Evne til at levere kunstig intelligens med audiogramdata i et struktureret format, producere et sikkert foreløbigt tolkningsudkast og oversætte det diagnostiske sprog til ekspertsprog
- Evne til at fange almindelige audiogramfortolkningsfælder (maskeringsdilemma, luft-knoglegab, konfigurationsblindhed) før prompten
Audiogrammet er det dokument, som en audiolog ser mest på. Audiogrammet er en graf, der plotter patientens høretærskler (den laveste lydintensitet, de kan høre) efter frekvens: På den vandrette akse er frekvensen (lydens tonehøjde, i Hertz - Hz, typisk 250-8000 Hz), og på den lodrette akse er intensiteten (lydstyrken, høreniveauet i dB HL). Grafen aflæses fra top til bund: Jo lavere tærskelværdien er (jo større dB HL-tal), jo større høretab. I denne enhed lærer vi, hvordan man bruger AI som en groft udkastgenerator til audiogramtolkning, men hvorfor du altid skal verificere den endelige fortolkning med kalibreret måling og det kliniske øje.
Hovedprincippet er dette: AI kan udarbejde en pæn, læsbar forkommentar til dig; Men typen og graden af høretab og behovet for maskering bliver tydeligt med kalibrerede enhedsdata og ekspertvurdering. I stedet for at bede den kunstige intelligens om at "tolke" audiogrammet, er den korrekte tilgang at sige "et regulært omrids vil dukke op fra de tal, jeg giver, jeg vil verificere det."
Grundlæggende komponenter i audiogrammet
Lad os præcisere et par begreber for at læse et audiogram korrekt; Du skal forstå hver af dem i dit eget sind, før du giver dem til kunstig intelligens.
Luftvej (HY): Lyd kommer ind i det ydre øre gennem hovedtelefoner eller højttalere og tester hele den auditive vej (ydre-mellem-indre øre). På audiogrammet er det normalt markeret med "O" for højre øre og "X" for venstre øre.
Knogleledning (BO): Et vibrerende hoved (knoglevibrator) er placeret på knoglen bag øret; Lyden går uden om det ydre og mellemøre og tester direkte cochlea (høreorganet i det indre øre). Det er normalt markeret med "<" og ">" på audiogrammet.
Air-bone gap (AAC): Luftvejstærsklen er betydeligt værre end knoglegabet. Dette interval antyder, at der er en hindring i transmissionen af lyd fra det ydre/mellemøre, det vil sige, at der er en ledende komponent (der stammer fra det ydre/mellemøre).
Maskering: Når lyden passerer gennem kraniet til det andet (ikke-testede) øre, mens man tester det ene øre, kaldes det krydshøring. Hvis forskellen mellem tærskelværdierne for de to ører er stor nok til at forårsage dette, "maskeres" den ved at indføre støj i det utestede øre, så tærsklen faktisk tilhører det testede øre.
Forsigtig: Et audiogram, hvor maskering ikke udføres, hvor det er nødvendigt, kan vise en tærskel i det forkerte øre. Kunstig intelligens fortolker de tal, du giver, som de er; Du skal sikre og verificere om maskering udføres.
Type og grad af høretab
Der er to hovedting, som audiogrammet fortæller dig: typen og graden af tab.
Type fortæller, hvor tabet er. Hvis luft- og knogleledningen er dårlig sammen, og der ikke er et mellemrum, overvejes den sensorineurale (indre øre/nerve-oprindelse) type. Hvis luftvejene er dårlige (hvis der er et mellemrum), mens knogleledningen er tæt på normal, overvejes ledningstype. Hvis begge er sammen, er det en blandet type.
Karakter beskriver hvor meget tab der er og klassificeres normalt efter gennemsnitlige tærskler (normal, mild, moderat, moderat-svær, svær, meget svær). Tabellen nedenfor giver en fælles ramme; stol dog på de tærskelværdier, der bruges af din institution, og den aktuelle vejledning.
Grad
Omtrentlig tærskelområde (dB HL)
Mulig indflydelse på dagligdagen
normalt
≤ 20
Ingen åbenlyse vanskeligheder
letvægts
21-40
Svært ved at tale stille/fjernt
medium
41-55
Svært ved at tale normalt
mellem-avanceret
56-70
Har brug for at tale højt
Næste
71-90
Kommunikation uden en enhed er meget vanskelig
for langt
> 90
Evaluering af anordning/implantat
Kunstig intelligens kan minde dig om denne klassifikation; Men hvilke frekvenser der sættes i gennemsnit, validiteten af kalibreringen og testens pålidelighed (patientsamarbejde, alderssvarende metode hos barnet) er dit ansvar.
Trin for trin: sikker audiogramfortolkning med kunstig intelligens
- Strukturer dataene. Tabel højre/venstre, luft/knogleledningstærskler anonymt, frekvens for frekvens, i dB HL.
- Angiv maskeringsstatus. Tilføj hvilke tærskler der er maskeret; Hvis det mangler, skriv "maskering bør vurderes".
- Begræns rollen. Fortæl den kunstige intelligens "Lad være med at stille en diagnose, bare skitsere typen og graden ud fra det tal, jeg giver dig, brug ikke præcist sprog."
- Hent udkastet og bekræft det. Sammenlign den resulterende type-/gradfortolkning med dine egne læsnings- og enhedsdata.
- Integrer med klinisk kontekst. Integrere med historie, otoskopi, tympanometri og taletests.
- Tag det til ekspertsproget. Konverter udkastet til en valideret erklæring, der passer til rapportens/patientens sprog.
Svag prompt / Stærk prompt
Svag prompt:
Denne patients audiogram er dårligt, højre øre er omkring 60. Hvilken type tabsenhed har jeg brug for?
Ufuldstændige og ustrukturerede data, direkte diagnose og anmodning om enhedsbeslutning, ingen maskering og information om knogleledning. AI er tvunget til at udligne hullerne.
Kraftig prompt:
Din rolle: assistent ved udarbejdelse af fortolkning til audiologen. At stille en diagnose; SLAG blot til typen og graden ud fra de tal, jeg giver, brug det "mulige" sprog, markér de manglende data som [ingen data]. 1000=30, 2000=45, 4000=50Maskning: anvendt. Venstre øre: [ingen data]. Opgave: skitser den mulige type (rækkevidde?) og grad for højre øre, hvilken yderligere test er nødvendig for bekræftelse. Oplys, at beslutningen er op til audiologen.
Stærk prompt giver strukturerede data, sætter roller og grænser, forhindrer fremstilling og kræver verifikation.
tre minisager
Case 1 — At fange hullet. En audiolog giver dataene HY 1000 Hz = 50 dB, KY 1000 Hz = 15 dB i højre øre til den kunstige intelligens. YZ skitserer "luft-knoglegab ca. 35 dB, mulig komponent af ledende type; bør bekræftes ved otoskopi og tympanometri." Speciallægen kombinerer dette med otoskopi og tympanometri og leder patienten til en mellemøre-evaluering. AI fremskyndede udkastet, beslutningen forblev hos eksperten.
Tilfælde 2 — Maskeringsadvarsel. En audiometri indtaster data for højre øre 4000 Hz = 20 dB, venstre øre samme frekvens = 80 dB og oplyser, at der ikke anvendes maskering. AI minder om, at forskellen kan føre til krydshøring, hvor tærskelværdien for venstre øre er upålidelig uden maskering. Specialisten gentager testen med maskering. Forskellen på 60 dB synliggjorde en fælde, der kunne have været overset.
Case 3 — Hallucinationsforebyggelse. En ekspert indtaster kun data for højre øre, men siger "fortolk begge ører." AI har en tendens til at passe til værdier for venstre øre, hvilket ikke er givet. Når eksperten tilføjer reglen "opfyld manglende data, skriv [ingen data]" til prompten, lader AI det venstre øre tomt. Lektion: Hvis du ikke sætter grænser, vil modellen udfylde hullet.
Kopierbare promptskabeloner
AUDIOGRAM DATA KONFIGURATIONSSKABELON Plot følgende tærskler i en anonym tabel (frekvensrække; højre HY, højre KY, venstre KY, venstre KY kolonne). Skriv manglende celler [ingen data], passende. Rådata: [tærskler]
TYPE-RADE UDKAST TIL SKABELONDin rolle: pre-kommentar kladdeassistent. Ud fra de tærskler jeg har givet er der for hvert øre (1) et luft-knoglegab, (2) mulig type, (3) mulig gradskitse er tegnet med sproget "mulig". At stille en endelig diagnose; Angiv yderligere test, der kræves til verifikation. Data: [tabel]
MASKINGSKONTROLSKABELONEr der en forskel mellem de to øretærskler, jeg har givet, som kræver maskering? Ved hvilke frekvenser skal maskering evalueres? Giv resultatet som en liste; beslutningen er op til eksperten. Data: [tærskler]
SKABELON TIL OVERSÆTTELSE TIL EKSPERTSPROG Oversæt udkastet, jeg har verificeret nedenfor, til et enkelt afsnit i afmålt og "mulig" sprog, passende til den kliniske rapport. Tilføjelse af opdigtede fund. Kladde: [verificeret udkast]
Almindelige fejl
- Omgå knoglevejen. Bare giv flyselskabet og bed om en typekommentar; Det kan ikke ses, om der er et hul eller ej.
- Ignorerer maskeringsdilemmaet. Accepterer tærsklen som nøjagtig uden maskering for store interaurale forskelle.
- Konfigurationsblindhed. Ser kun på gennemsnittet og mangler et enkelt frekvenshak (f.eks. 4000 Hz støjhak); Hvis AI’en returnerer et gennemsnit, er detaljen skjult.
- Anmoder om endeligt diagnostisk sprog. Fortæller AI om at "diagnosticere"; Brug af udkastet som en endelig rapport.
- Indhentning af manglende data. Giver modellen lov til at udfylde tomme celler, når der ikke sættes en grænse.
Sammenfattende
Audiogram; Den er baseret på begreberne frekvens, dB HL, luft/knogleledning og maskering. AI’en kan generere en pæn type-grad omrids fra de strukturerede tal, du giver den og minde dig om faldgruber som maskering; men testens type, karakter og pålidelighed bliver tydelig gennem kalibreret måling og ekspertvurdering. Angiv data anonymt og struktureret, udskriv de manglende [ingen data], bekræft altid kladden med din egen læsning.
Ansøgningsopgave
Plot tærsklerne for et (anonymiseret) audiogram du har ind i en tabel med skabelonen "datastrukturering", og få en fortolkning med skabelonen "typegradsudkast". Lav så din egen uafhængige læsning og sammenlign den med AI's udkast: hvor kom du ud af det samme, hvor kom du anderledes ud? Bemærk, om det går glip af maskeringskravet, og konverter den endelige bekræftede kommentar til et enkelt afsnit med skabelonen "ekspertoversættelse".
tjekliste
- [ ] Jeg gav tærsklerne i en anonym og struktureret form.
- [ ] Jeg etablerede luft- og knoglepassage sammen; Jeg tjekkede rækkevidden.
- [ ] Jeg overvejede behovet for maskering.
- [ ] Jeg markerede de manglende data som [ingen data], hvilket forhindrede fremstilling.
- [ ] Jeg validerede AI-manuskriptet med min egen læsning og kliniske kontekst.
- [ ] Jeg oversatte den sidste kommentar til ekspertsprog, med afmålt, "mulig" sprog.