مقدمه ای بر هوش مصنوعی در شنوایی شناسی: نقش ها، مرزها، اعتبارسنجی و اخلاق

سود:

• توانایی تشخیص اینکه کجا در جریان کار شنوایی شناسی (اسکن، آزمایش تشخیصی، نصب دستگاه، پیگیری) هوش مصنوعی باعث صرفه جویی در زمان واقعی می شود و تصمیمات حیاتی ایمنی (تشخیص، تجویز دستگاه، تأیید اتصالات) با توجه به سطح خطر کار به متخصص واگذار می شود.
• امکان اعمال رشته‌ای که هر خروجی هوش مصنوعی را از طریق مراحل اتصال آن به منبع، مقایسه آن با داده‌های دستگاه کالیبره‌شده و عبور آن از فیلتر بالینی تأیید می‌کند.
• ناشناس کردن داده های بیمار و دستگاه در محدوده KVKK/حریم خصوصی و به دست آوردن عادت انتخاب وسیله نقلیه ایمن

شنوایی شناسی یک حرفه فنی و عمیقاً انسانی است که با سلامت شنوایی و تعادل سروکار دارد. شنوایی‌شناس (یک متخصص مراقبت‌های بهداشتی که اختلالات شنوایی و تعادل را ارزیابی می‌کند و از سمعک استفاده می‌کند) نتیجه غربالگری نوزاد را می‌خواند، شنوایی‌گرام یک بازنشسته را تفسیر می‌کند (گرافی که آستانه‌های شنوایی را در یک صفحه با شدت فرکانس نشان می‌دهد)، سمعک یک نوجوان را برنامه‌ریزی می‌کند، یک گزارش بالینی مضطرب را در همان روز آرام می‌کند، یک گزارش بالینی مضطرب را می‌نویسد. برخی از این کارها مربوط به سازماندهی اطلاعات، تولید و به خاطر سپردن متن است. برخی از آنها تصمیمات بالینی هستند که مستقیماً بر سلامت تأثیر می گذارند و حاشیه خطای کمی دارند. هوش مصنوعی (به اختصار AI؛ سیستم‌های رایانه‌ای که با مقادیر زیادی متن آموزش دیده‌اند و می‌توانند به زبان انسانی بنویسند و پاسخ دهند) وقتی این تمایز را به خوبی درک کنید به کمک قدرتمندی در تمرین شنوایی‌شناسی شما تبدیل می‌شود: کار متن و اطلاعات را سرعت می‌بخشد، اما هرگز جایگزین قضاوت بالینی نمی‌شود.

در این بخش اول، ما پایه و اساس را ایجاد می کنیم که در آن می توانید با خیال راحت از هوش مصنوعی در گردش کار شنوایی شناسی استفاده کنید، کجا باید متوقف شوید و چگونه هر خروجی را تأیید کنید. اصل اصلی که در طول ماژول تکرار خواهیم کرد این است: هوش مصنوعی یک دستیار است. پیش‌نویس‌ها، یادآوری، ساده‌سازی و پیش‌نمایش را تولید می‌کند. تشخیص، تجویز دستگاه، تصمیم گیری مناسب و تفسیر بالینی بر عهده شنوایی شناس و در صورت لزوم پزشک است. یک خروجی هوش مصنوعی تایید نشده مانند یک گزارش بالینی بدون امضا است: هیچ نیروی الزام آور ندارد و نمی‌تواند به تنهایی مورد استفاده قرار گیرد.

هوش مصنوعی دقیقاً چه کاری می تواند در شنوایی شناسی انجام دهد؟

بیایید تمرین شنوایی شناسی را به سه لایه تقسیم کنیم و نقش هوش مصنوعی را در هر لایه روشن کنیم. این تمایز پاسخ به این سوال است که "کجا باید از آن استفاده کنم، کجا باید بایستم؟"

1. لایه اطلاعات و متن (هوش مصنوعی در اینجا قوی است). راهنمای استفاده از سمعک به بیمار، بروشور آموزش زبان ساده، پیام یادآوری قرار ملاقات، خلاصه راهنما، قالب بندی پیش نویس گزارش، فهرست سوالات متداول. هوش مصنوعی در انجام این کارها در دقیقه شما صرفه جویی می کند زیرا ویرایش، ساده سازی و قالب بندی متن قوی ترین بخش آن است.

2. لایه تفکر و سازمان (هوش مصنوعی کمک می کند، تصمیم با شماست). جمع‌آوری تاریخچه بیمار، فهرست کردن سوالات مربوط به تاریخچه، یادآوری موضوعات ارزیابی احتمالی، ساختاربندی یک مورد، اولویت‌بندی مواردی که باید در فهرست‌های غربالگری دنبال شوند. در اینجا، هوش مصنوعی مانند یک چک لیست کار می کند - می تواند عنوانی را که فراموش کرده اید به شما یادآوری کند - اما شما تصمیم می گیرید که چه اطلاعاتی برای این بیمار اعمال شود.

3. لایه تصمیم گیری بالینی (هوش مصنوعی نمی تواند تصمیم بگیرد، فقط می تواند پشتیبانی کند). تشخیص نوع و درجه کم شنوایی، تجویز دستگاه، تایید فیتینگ (برنامه ریزی)، تصمیم ارجاع اضطراری مانند کم شنوایی ناگهانی، ارجاع به گوش و حلق و بینی، ارزیابی "آیا این اندازه گیری قابل اعتماد است؟" این تصمیمات متعلق به متخصص صالح - شنوایی شناس و پزشک معالج است. هوش مصنوعی حداکثر می تواند یک یادآوری باشد. او هرگز نمی تواند خودش تصمیم بگیرد.

توجه: هوش مصنوعی جملات روان و مطمئن ایجاد می کند. این تسلط تضمینی برای صحت نیست. در یک زمینه حیاتی ایمنی مانند مراقبت های بهداشتی، "درست به نظر می رسد" و "درست است" دو چیز کاملاً مجزا هستند.

نقشه برداری بر اساس سطح ریسک ماموریت

جدول زیر نشان می دهد که در کدام کار چقدر هوش مصنوعی را آزاد خواهید کرد. قانون طلایی در شنوایی شناسی این است: هرچه خطر بالاتر باشد، آستانه تأیید بالاتر، استقلال هوش مصنوعی کمتر است.

تلاش

سطح ریسک

نقش هوش مصنوعی

تایید

نوشتن پیش نویس بروشور/پیام

پایین

سازنده

بررسی زبان و واقعیت

لیست سوالات سرگذشتنامه

کم متوسط

یادآوری

صافی بالینی

پیش‌نویس پیش‌تفسیر صوتی

متوسط به بالا

مولد طرح

تایید توسط اندازه گیری کالیبره + کارشناس

اسکن اولویت بندی لیست

متوسط به بالا

پیش نمایشگر

نظارت منفی کاذب

تجویز دستگاه / تصمیم گیری مناسب

بالا

فقط پشتیبانی

REM + متخصص + پزشک در صورت لزوم

تصمیم ارجاع ناشنوایی ناگهانی

انتقادی

فقط یک یادآوری

تصمیم کارشناس/پزشک اجباری است

چرا تأیید ضروری است: توهم و کهنگی

استفاده از هوش مصنوعی در مراقبت های بهداشتی بدون دانستن دو نقطه ضعف اصلی آن خطرناک است.

اولی توهم است: مدل با اطمینان اطلاعاتی را می سازد که در واقع وجود ندارد (مقدار آستانه، نتیجه آزمایش، ماده راهنما، ویژگی دستگاه). به جای گفتن «نمی‌دانم»، مدل ممکن است پاسخی قابل قبول اما نادرست ارائه دهد. در شنوایی شناسی، این به این معنی است که یک عبارت "بازتاب صوتی یافت شده" که ارائه نشده است در گزارش درز می کند. دوم منسوخ بودن: دانش مدل در زمان آموزش یخ زده است. مدل‌های فعلی دستگاه، فرمول‌های نسخه، پروتکل‌های غربالگری یا قوانین ممکن است تغییر کرده باشند.

انضباط راستی آزمایی سه مرحله است: (1) پیوند به منبع - بررسی کنید که اطلاعات بر اساس چه اندازه گیری کالیبره شده یا راهنمایی فعلی است. (2) محاسبه مجدد/بررسی - بررسی کنید که آیا آستانه، طبقه بندی، ارزش افزایشی داده شده واقعاً با داده های دستگاه مطابقت دارد یا خیر. (3) از فیلتر بالینی عبور کنید - با دانش حرفه ای خود ارزیابی کنید که آیا این اطلاعات برای بیمار روبروی شما، آناتومی گوش و شرح حال او مناسب است یا خیر.

حریم خصوصی: داده های بیمار متعلق به بیمار است

داده های شنوایی شناسی حساس هستند: درجه از دست دادن شنوایی، استفاده از دستگاه، وضعیت رشد کودک، قرار گرفتن در معرض صدای شغلی، شکایت وزوز گوش. در محدوده KVKK (قانون حفاظت از داده های شخصی؛ قانون تنظیم کننده پردازش داده های شخصی در ترکیه)، داده های بهداشتی ویژه تلقی می شوند و به بالاترین سطح حفاظت نیاز دارند. نام واقعی ابزار هوش مصنوعی همه منظوره T.C است. شماره شناسایی، آدرس، شماره تلفن یا مشخصات شناسایی وارد نمی شود. در عوض، داده‌ها را ناشناس کنید: توصیف ناشناس مانند «پسر 6 ساله، از دست دادن متوسط ​​گوش راست» از نظر بالینی کافی است و کسی را فاش نمی‌کند.

نکته: هنگامی که از بیمار درخواست می کنید، از خود بپرسید: "اگر این متن به عنوان یک اسکرین شات لو می رفت، آیا این شخص شناسایی می شد؟" اگر پاسخ "بله" است، ناشناس سازی وجود ندارد.

گام به گام: استفاده ایمن از هوش مصنوعی در شنوایی شناسی

1. تکلیف را طبقه بندی کنید. آیا این یک کار متنی/اطلاعاتی (هوش مصنوعی قوی) است یا قضاوت بالینی (فقط پشتیبانی از هوش مصنوعی)؟ اگر خطر زیاد است، آستانه تأیید را افزایش دهید.
2. داده ها را ناشناس کنید یک توصیف بالینی کافی بدون اطلاعات شناسایی ایجاد کنید.
3. نقش و مرز را مشخص کنید. محدودیت‌های هوش مصنوعی را از ابتدا بگویید، مانند "تشخیص ندهید، از زبان ممکن استفاده کنید، بیان کنید که تصمیم با شنوایی شناس است."
4. خروجی را در سه مرحله اعتبار سنجی کنید. اتصال به منبع / اندازه گیری کالیبره شده، بررسی مجدد، فیلتر بالینی.
5. دریافت تاییدیه متخصص قبل از اینکه محتوای بالینی به بیمار برسد، باید توسط شنوایی شناس/پزشک تایید شود.
6. رد خود را ذخیره کنید توجه داشته باشید که از کدام ابزار برای چه هدفی استفاده می کنید. برای پاسخگویی مهم است.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

احمد یلدیز 62 سال سن دارد و از گوش راستش خوب نمی شنود. چه نوع کم شنوایی، کدام دستگاه را تجویز کنم؟

این درخواست شامل نام واقعی (نقض حریم خصوصی)، تشخیص مستقیم و تصمیم تجویزی می‌شود (هوش مصنوعی را در نقش متخصص قرار می‌دهد)، و هیچ مرزی را تعیین نمی‌کند.

اعلان قدرتمند:

نقش شما: دستیار آموزشی و یادآوری شنوایی شناس. تشخیص، تجویز دستگاه؛ از زبان "ممکن" استفاده کنید و بیان کنید که تصمیم با شنوایی شناس/پزشک است. وضعیت (ناشناس): بیمار 62 ساله شاکی از شنوایی گوش راست. وظیفه: به عنوان چک لیست سرفصل های آزمایشی را که شنوایی شناس باید در این بیمار ارزیابی کند و سؤالات خاطره ای که نباید فراموش کند که بپرسد را به من یادآوری کنید. تاکید کنید که تصمیم بر اساس اندازه گیری مدرج و ارزیابی بالینی گرفته خواهد شد.

اراده قوی ناشناس است، نقش و مرز را تعیین می کند، یادآوری می خواهد، نه تصمیم، و نیاز به تأیید دارد.

سه کیف کوچک

مورد 1 - استفاده صحیح هنگامی که شنوایی شناس یک بروشور کاربر به زبان ساده برای بیمار که دستگاه را به او تحویل می دهد تهیه می کند، از هوش مصنوعی پیش نویس می خواهد و هیچ اطلاعات شناسایی ارائه نمی دهد. او پیش نویس را بررسی می کند، دو عبارت اغراق آمیز مانند «دستگاه به طور کامل شنوایی را عادی می کند» را تصحیح می کند و به بیمار می دهد. زمان آماده سازی از 35 دقیقه به 10 دقیقه کاهش می یابد. محتوا تایید شده است.

مورد 2 - ضبط توهم. شنوایی سنجی از هوش مصنوعی در مورد انواع تمپانومتری می پرسد. هوش مصنوعی با اضافه کردن یک طبقه‌بندی ناموجود «نوع D» توضیحی مطمئن ارائه می‌کند. متخصص این را با دانش بالینی خود مقایسه می کند و می بیند که "نوع D" خارج از طبقه بندی استاندارد (A، B، C و زیرگروه های آنها) وجود ندارد. درس: هیچ دانش فنی نباید بدون تایید با دانش حرفه ای منتقل شود.

مورد 3 - بازگشت از نقض حریم خصوصی. شنوایی شناس می خواهد با عجله نام کامل و اطلاعات مدرسه کودک را در اعلان تایپ کند. تیم قانون خود را به خاطر می آورد و متن را به عنوان "5 ساله، مشکوک از دست دادن خفیف هر دو گوش" ناشناس می کند. نتیجه بالینی تغییر نمی کند، فرد محافظت می شود.

الگوهای درخواستی قابل کپی

الگوی طبقه بندی وظایف تکلیف زیر را ارزیابی کنید: [وظیفه].1) آیا این یک کار متنی/اطلاعاتی است یا یک تصمیم بالینی؟2) اگر شامل یک تصمیم بالینی است، کدام بخش به شنوایی شناس/پزشک سپرده می شود؟

الگوی بررسی ناشناس هر عنصری را که می‌تواند شما را شناسایی کند (نام، شناسه، آدرس، تلفن، تاریخ کامل تولد، نام مدرسه/محل کار) علامت‌گذاری کنید و یک معادل ناشناس پیشنهاد کنید. متن: [متن]

الگوی راستی آزمایی خروجی هوش مصنوعی زیر را تحت سه عنوان ارزیابی خواهد کرد: خروجی: [خروجی] 1) این اطلاعات باید بر اساس چه اندازه گیری/راهنمای کالیبری باشد؟ (پیوند به منبع) 2) کدام آستانه/مقدار/طبقه بندی باید به صورت دستی بررسی شود؟ (محاسبه مجدد) 3) آیا این اطلاعات برای این بیمار مناسب است؟ (فیلتر بالینی) [توضیحات بیمار]

نقش و الگوی مرزی نقش شما: دستیار شنوایی شناس. قوانین: تشخیص، تجویز دستگاه، تصمیم گیری ارجاع. از زبان "ممکن/باید با اندازه گیری کالیبره شده تایید شود" استفاده کنید. یادداشت «تصمیم شنوایی شناس/پزشک، تأیید با کالیبره کردن» را در پایان هر پاسخ اضافه کنید. جستار: [پرسش].

اشتباهات رایج

• واگذاری تصمیم گیری بالینی به هوش مصنوعی "آیا این بیمار باید از دستگاه استفاده کند؟" پاسخ به سوالاتی از این دست نه در هوش مصنوعی، بلکه در اندازه گیری و ارزیابی کارشناسان نهفته است.
• استفاده بدون تایید فکر می کنم پاسخ روان صحیح است. آستانه، طبقه بندی و ارزش دستگاه را تأیید نمی کند.
• وارد کردن اعتبار واقعی نام، شماره تلفن، T.R. نقض KVKK با تایپ کردن.
• فراموش کردن پیر شدن جایگزینی اطلاعات مدل با دستگاه/پروتکل فعلی.
• درخواست بدون تعیین محدودیت انتشار هوش مصنوعی بدون آموزش نقش و مرز، زبان تشخیص و دقت را دعوت می کند.

به طور خلاصه

هوش مصنوعی دستیار قدرتمندی است که کار متن و اطلاعات را در شنوایی شناسی سرعت می بخشد و لیست های غربالگری را پیش نمایش می کند. با این حال، تشخیص، تجویز دستگاه، تصمیم گیری مناسب و تفسیر بالینی همیشه متعلق به شنوایی شناس و پزشک است. هر خروجی باید در سه مرحله تأیید شود - پیوند به منبع / اندازه‌گیری، بررسی مجدد، فیلتر بالینی - داده‌های بیمار باید ناشناس باشد و محتوای بالینی باید تحت تأیید متخصص باشد. خروجی تایید نشده یک گزارش بدون امضا است.

وظیفه کاربردی

به یک هفته واقعی از تمرین خود فکر کنید و کار خود را در یک جدول سه ستونی قرار دهید: «کار متنی/اطلاعاتی»، «سازمان»، «تصمیم بالینی». برای هر خط، نقش هوش مصنوعی (فقط قوی / مفید / پشتیبانی) را بنویسید. سپس از الگوی «نقش و مرز» از این واحد برای تهیه پیش‌نویس متن آموزش بیمار، اعمال تأییدیه سه مرحله‌ای و یادداشت برداری از آنچه اصلاح کرده‌اید استفاده کنید.

چک لیست

• [ ] من کار را به عنوان متن/سازمان/تصمیم بالینی طبقه بندی کردم.
• [ ] من اطلاعات بیمار را ناشناس کردم تا هویت فاش نشود.
• [ ] من به هوش مصنوعی دستورات نقش و مرز دادم.
• [ ] من خروجی را به منبع/اندازه گیری وصل کردم، دوباره آن را بررسی کردم و از فیلتر بالینی عبور دادم.
• [ ] من محتوای بالینی را برای تایید به شنوایی شناس/پزشک ارسال کردم.
• [ ] من ضبط کردم که از کدام ابزار برای چه منظوری استفاده کردم.