સુનાવણીના સ્ક્રીનીંગ પરિણામોનું પૂર્વ-મૂલ્યાંકન: નવજાત, શાળા અને કાર્યસ્થળ

નફો:

• OAE અને ઓટોમેટિક ABR-આધારિત સ્ક્રીનીંગ પરિણામો અને કૃત્રિમ બુદ્ધિના સમર્થન સાથે સ્ક્રીનીંગ અને નિદાન વચ્ચેના તફાવતને 'પાસ/નિષ્ફળ' તર્કને સચોટ રીતે સ્થિત કરવાની ક્ષમતા
• પ્રી-સ્ક્રીનર તરીકે કૃત્રિમ બુદ્ધિનો ઉપયોગ કરવાની ક્ષમતા જે સ્ક્રીનીંગ લિસ્ટમાં ફોલો-અપની જરૂર હોય તેવા કેસોને પ્રાથમિકતા આપે છે અને ખોટા નકારાત્મકના જોખમને ટાળે છે
• કાર્યસ્થળના અવાજ સ્ક્રીનીંગ અને શાળા સ્ક્રીનીંગમાં કૃત્રિમ બુદ્ધિમત્તાના આઉટપુટની મર્યાદાઓ અને સૂચના જવાબદારીઓને સમજવી

હિયરિંગ સ્ક્રીનિંગ એ એક સ્ક્રીનિંગ પ્રક્રિયા છે જે સમાજમાં સાંભળવાની સમસ્યાઓ ધરાવતા લોકોને ઝડપથી ઓળખે છે અને તેમને ડાયગ્નોસ્ટિક મૂલ્યાંકન માટે નિર્દેશિત કરે છે. સ્ક્રીનીંગ એ નિદાન નથી; આ એકમનું આ સૌથી જટિલ વાક્ય છે. સ્ક્રીનીંગ કહે છે કે "આ વ્યક્તિમાં કંઈક ખોટું હોઈ શકે છે, તેને તપાસવા દો"; નિદાન કહે છે, "આ વ્યક્તિ પાસે આ પ્રકારનું અને નુકશાનનું પ્રમાણ છે." કૃત્રિમ બુદ્ધિ એ સ્ક્રિનિંગ પરિણામોનું પૂર્વ-મૂલ્યાંકન કરવા માટે એક શક્તિશાળી પ્રી-સ્ક્રીનર છે - ખાસ કરીને મોટી સંખ્યામાં પરિણામો દ્વારા વર્ગીકરણ કરવામાં અને ફોલો-અપની જરૂર હોય તેવા પરિણામોને પ્રાથમિકતા આપવા માટે. પરંતુ તે ખોટા નકારાત્મક (ખૂટી ગયેલા વાસ્તવિક કેસો) ને સંપૂર્ણપણે રોકી શકતું નથી અને ક્યારેય નિદાનનો નિર્ણય લઈ શકતો નથી.

આ એકમમાં, અમે ત્રણ સામાન્ય સ્ક્રિનિંગ સંદર્ભોને આવરી લઈશું: નવજાત સાંભળવાની સ્ક્રીનિંગ, સ્કૂલ-એજ સ્ક્રીનિંગ, અને કાર્યસ્થળના અવાજનું સ્ક્રીનિંગ. તેમાંના દરેકમાં, અમે સ્પષ્ટ કરીશું કે તમે ક્યાં સુરક્ષિત રીતે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ કરી શકો છો અને તમારે ક્યાં રોકવું જોઈએ.

સ્ક્રીનીંગ ટેસ્ટનો તર્ક

ચાલો બે મૂળભૂત નવજાત/શિશુ સ્ક્રીનીંગ પદ્ધતિઓ જાણીએ.

OAE (ઓટોએકોસ્ટિક ઉત્સર્જન): ધ્વનિના પ્રતિભાવમાં તંદુરસ્ત કોક્લીઆ (આંતરિક કાનમાં સાંભળવાનું અંગ) દ્વારા ઉત્પાદિત ખૂબ જ અસ્પષ્ટ અવાજોને માપે છે. કાનમાં એક નાની ચકાસણી મૂકવામાં આવે છે; જો કોક્લીઆ "ઇકો" આપે છે તો પરીક્ષણ "પાસ થયેલ" ગણવામાં આવે છે. OAE ઝડપી છે પરંતુ કોક્લીઆ (શ્રવણ ચેતા) પાછળની સમસ્યાઓ શોધી શકતી નથી.

ઓટોમેટિક એબીઆર (ઓડિટરી બ્રેઈનસ્ટેમ રિસ્પોન્સ): અવાજ માટે શ્રાવ્ય ચેતા અને મગજના સ્ટેમના વિદ્યુત પ્રતિભાવને માપે છે. તે ખાસ કરીને સઘન સંભાળના બાળકોમાં પસંદ કરવામાં આવે છે કારણ કે તે એવી પરિસ્થિતિઓ શોધી શકે છે કે જે OAE ચૂકી શકે છે, જેમ કે ઑડિટરી ન્યુરોપથી (એવી સ્થિતિ જેમાં કોક્લીઆ કામ કરે છે પરંતુ ચેતા વહન ક્ષતિગ્રસ્ત છે).

બંને પરીક્ષણોના પરિણામો સામાન્ય રીતે "પાસ" અથવા "ફેલ/રેફર" હોય છે. "નિષ્ફળ" એ નિદાન નથી; વધુ મૂલ્યાંકનની જરૂરિયાત સૂચવે છે. "પાસ" સૂચવે છે કે વર્તમાન સ્કેનમાં કોઈ સ્પષ્ટ સમસ્યા નથી, અને તે આજીવન સુનાવણીની બાંયધરી આપતું નથી.

સાવધાની: OAE ના "પાસ" પરિણામ સાથે બાળકમાં ઓડિટરી ન્યુરોપથી-પ્રકારની ખોટ છુપાયેલી રહી શકે છે. કુટુંબને કહેવામાં આવતું નથી "તે સમાપ્ત થઈ ગયું છે = તે ક્યારેય સમસ્યા નહીં હોય"; જો જરૂરી હોય તો લક્ષણોની દેખરેખ અને ફોલો-અપની ભલામણ કરવામાં આવે છે જે પાછળથી વિકાસ કરી શકે છે.

શા માટે વહેલું નિદાન એટલું જટિલ છે?

નવજાત શિશુની શ્રવણ સ્ક્રિનિંગ આટલો સામાન્ય અને ગંભીરતાથી લેવાયેલ કાર્યક્રમ છે તેનું કારણ એ છે કે સુનાવણી એ ભાષા અને વાણીના વિકાસનો આધાર છે. બાળક જન્મે તે ક્ષણથી, તે તેની આસપાસના અવાજો સાંભળીને ભાષા શીખે છે; જો સાંભળવાની ખોટ ધ્યાને ન જાય, તો વિકાસની આ બારી ચૂપચાપ ચૂકી શકાય છે. વહેલાં મળી આવેલ અને યોગ્ય રીતે સમર્થિત સાંભળવાની ખોટના કિસ્સામાં, બાળકનો ભાષા વિકાસ મોડેથી ઓળખાય તેના કરતાં નોંધપાત્ર રીતે સારી રીતે આગળ વધે છે. એટલા માટે સ્ક્રીનીંગની "ખોટી નકારાત્મક" - એટલે કે, "પાસ" તરીકે વાસ્તવિક ખોટ સાથે બાળક ગુમ થવું - એ ક્ષેત્રમાં સૌથી મોંઘી ભૂલ છે: ખોવાયેલા મહિના પાછળથી વિકાસલક્ષી તફાવતોમાં અનુવાદ કરી શકે છે જેની ભરપાઈ કરવી મુશ્કેલ છે.

ટ્રેકિંગની સાંકળ તૂટી ન જાય તેની ખાતરી કરવા માટે આ સંદર્ભમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ ખાસ કરીને મૂલ્યવાન છે. સ્ક્રીનીંગ પ્રોગ્રામ્સમાં એક સામાન્ય સમસ્યા એ છે કે "નિષ્ફળ" પરિણામ ધરાવતું બાળક ક્યારેય વધુ મૂલ્યાંકન માટે આવતું નથી (કુટુંબ દેખાતું નથી, રેકોર્ડ ખોવાઈ જાય છે, એપોઇન્ટમેન્ટ ભૂલી જાય છે). AI ફોલો-અપની જરૂર હોય તેવા કેસોની યાદી તૈયાર કરીને અને રીમાઇન્ડર ટેક્સ્ટ જનરેટ કરીને આ "લોસ્ટ ફોલો-અપ" દર ઘટાડવામાં મદદ કરી શકે છે. પરંતુ કયા બાળકને ખરેખર જોખમ છે અને ડાયગ્નોસ્ટિક પ્રક્રિયા કેવી રીતે આગળ વધશે તે નિર્ણય હંમેશા નિષ્ણાત અને પ્રોગ્રામની ક્લિનિકલ જવાબદારી છે.

ખોટા નકારાત્મક અને ખોટા હકારાત્મકનું સંતુલન

દરેક સ્ક્રીનીંગ ટેસ્ટ બે પ્રકારની ભૂલો કરી શકે છે. ખોટા નેગેટિવમાં એવી વ્યક્તિ ખૂટે છે જેને વાસ્તવમાં સમસ્યા છે કારણ કે તે "તેની ઉપર" છે - આરોગ્ય સંભાળમાં સૌથી ખતરનાક ભૂલ કારણ કે બાળક અનફૉલો રહે છે. ખોટા હકારાત્મક એ તંદુરસ્ત વ્યક્તિને અનિવાર્યપણે "નિષ્ફળ" તરીકે ચિહ્નિત કરે છે - બિનજરૂરી ચિંતા અને વધારાના પરીક્ષણો બનાવે છે, પરંતુ તે ઓછું જોખમી છે.

સ્ક્રિનિંગ લિસ્ટમાં AI નો ઉપયોગ કરતી વખતે તમારે આ સંતુલનને સભાનપણે સ્ટ્રાઇક કરવું જોઈએ: પ્રી-સ્ક્રીનિંગમાં, સામાન્ય રીતે થ્રેશોલ્ડને "ગુમ ન થાય" (એટલે ​​​​કે શંકાસ્પદને અનુસરવું) તરફ રાખવું વધુ સુરક્ષિત છે. નીચેનું કોષ્ટક ત્રણ સંદર્ભોની તુલના કરે છે.

સંદર્ભ

લાક્ષણિક પદ્ધતિ

ખોટા નકારાત્મકનું જોખમ

AI ની સલામત ભૂમિકા

નવજાત

OAE / સ્વચાલિત ABR

ઉચ્ચ (વિકાસમાં વિલંબ)

પરિણામ યાદી સંપાદન, ફોલો-અપ રીમાઇન્ડર

શાળા વય

શુદ્ધ વૉઇસ સ્કેનિંગ

મધ્યમ (તાલીમ અસર)

વર્ગ/સૂચિ અગ્રતા

કાર્યસ્થળ

અવાજ ઑડિઓમેટ્રી

મધ્યમ-ઉચ્ચ (વ્યવસાયિક રોગ)

વલણ/સરખામણી પ્લોટ

સ્ટેપ બાય સ્ટેપ: AI સાથે સ્કેનિંગનું પૂર્વ-મૂલ્યાંકન

1. અનામી અને સ્ટ્રક્ચર ડેટા. ID, પાસ/ફેલ અને જો લાગુ હોય તો માપન મૂલ્યને બદલે કોડ/સિક્વન્સ નંબર દ્વારા પરિણામોની સૂચિ બનાવો.
2. પૂર્વ-લાયકાત નિયમ વ્યાખ્યાયિત કરો. જેઓ "નિષ્ફળ" છે અને જેઓ સરહદ પર છે તેમને પ્રાથમિકતા આપો; તેને સેટ કરો જેથી તમે નિર્ણય ચૂકી ન જાઓ.
3. AI ને પ્રાથમિકતા આપો. એક સૂચિ માટે પૂછો જે વિભાજિત કરે છે કે શું મોનિટર કરવાની જરૂર છે, શું ફરીથી સ્કેન કરવાની જરૂર છે અને શું સામાન્ય છે.
4. ખોટા નકારાત્મક માટે જુઓ. "પાસ" જૂથમાં પણ, જો કોઈ વ્યક્તિ લક્ષણો (કુટુંબની શંકા, બોલવામાં વિલંબ) વર્ણવે છે, તો ફોલો અપ કરો.
5. નિષ્ણાતને ડાયગ્નોસ્ટિક માર્ગદર્શન છોડો. અંતિમ નિદાન અને વધુ પરીક્ષણનો નિર્ણય ઑડિયોલોજિસ્ટ/ફિઝિશિયનનો છે.
6. સૂચનાની જવાબદારી લાગુ કરો. વ્યવસાયિક આરોગ્ય સૂચના અને સુરક્ષા પ્રક્રિયાઓનું સંચાલન કરો, ખાસ કરીને કાર્યસ્થળમાં મળી આવેલા નુકસાનના કિસ્સામાં.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

નીચેના બાળકોના OAE પરિણામો છે, મને કહો કે કયા બહેરા છે: [સૂચિ]

તે "બહેરા" જેવી ચોક્કસ ડાયગ્નોસ્ટિક ભાષા માટે કહે છે, સ્ક્રીનીંગ-નિદાન ભેદને અવગણે છે અને ખોટા નકારાત્મકના જોખમને અવગણે છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: પ્રી-સ્ક્રીનિંગ સહાયક જે સ્ક્રીનીંગ પરિણામોનું આયોજન કરે છે. નિદાન ન કરો; મને યાદ કરાવો કે "પાસ/ફેલ" સ્ક્રીનીંગ એ નિદાન નથી. ડેટા (અનામી, અનુક્રમ નંબર સાથે): [પાસ/નિષ્ફળ સૂચિ + નોંધો જો કોઈ હોય તો]કાર્ય: (1) "નિષ્ફળ" ને પ્રાથમિકતા આપો, (2) "પાસ" ને અલગથી ચિહ્નિત કરો પરંતુ નોંધ્યું નથી (કુટુંબની શંકા, વગેરે), (3) દરેક જૂથ માટે ભલામણ કરેલ આગલું પગલું લખો. જણાવો કે અંતિમ નિદાન અને વધુ પરીક્ષણનો નિર્ણય ઑડિયોલોજિસ્ટ/ફિઝિશિયન પર છે.

સખત વિનંતી અનામી છે, સ્ક્રીનીંગ-નિદાન ભેદ સાચવે છે, ખોટા નકારાત્મકને ધ્યાનમાં લે છે અને નિર્ણય નિષ્ણાત પર છોડી દે છે.

ત્રણ નાના કેસો

કેસ 1 - પ્રાથમિકતા. એક સ્ક્રીનીંગ યુનિટમાં 120 નવજાત પરિણામો છે; 8 "ડાબે". ઑડિયોલોજિસ્ટ કૃત્રિમ બુદ્ધિમત્તાને અનામી સૂચિ આપે છે અને ટ્રેકિંગ સૂચિ સંપાદિત કરે છે. AI 8 "નિષ્ફળ" કેસ અને 3 કેસ "પાસ" ની નોંધ સાથે અલગ કરે છે, પરંતુ સાંભળવાની ખોટનો પારિવારિક ઇતિહાસ છે. નિષ્ણાત 11 બાળકોને અનુસરે છે. AI એ મિનિટમાં 120 લીટીઓ સંપાદિત કરી; અપહરણનું જોખમ ઘટ્યું છે.

કેસ 2 — ખોટા નકારાત્મક કેપ્ચર. શાળાના સ્ક્રિનિંગમાં, 9 વર્ષના બાળકને શુદ્ધ ટોન સ્ક્રીનિંગમાં "પાસ" મળ્યો, પરંતુ શિક્ષકે નોંધ્યું કે "તે આખો સમય પુનરાવર્તન કરે છે અને જ્યારે પાછળથી બોલાવવામાં આવે ત્યારે તે સાંભળતો નથી." ઑડિયોલોજિસ્ટ આ નોંધને આર્ટિફિશિયલ ઇન્ટેલિજન્સ ફિલ્ટર સાથે સ્કેન કરે છે "શું પાસ જૂથમાં કોઈ લક્ષણો છે?" બાળકને વધુ મૂલ્યાંકન માટે લઈ જવામાં આવે છે અને થોડું ઊંચુંનીચું થતું નુકશાન જોવા મળે છે. સંખ્યાત્મક "પાસ થયેલ" ક્લિનિકલ લક્ષણને ઓવરરાઇડ કરતું નથી.

કેસ 3 — કાર્યસ્થળે પૂર્વગ્રહ. એક ફેક્ટરીમાં 50 કામદારોની વાર્ષિક અવાજની ઓડિયોમેટ્રી છે. નિષ્ણાત ગયા વર્ષ સાથેના અનામી મૂલ્યોની તુલના કરતા સ્કેચ માટે પૂછે છે. YZ એ 5 કામદારોને ચિહ્નિત કરે છે જે 4000 Hz પર નોંધપાત્ર થ્રેશોલ્ડ શિફ્ટ દર્શાવે છે. નિષ્ણાત તેમને ડાયગ્નોસ્ટિક મૂલ્યાંકન અને વ્યક્તિગત રક્ષણાત્મક સાધનોની સમીક્ષા માટે સંદર્ભિત કરે છે; વ્યવસાયિક આરોગ્ય સૂચના પ્રક્રિયા શરૂ કરે છે.

નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ

સ્ક્રીન લિસ્ટ પ્રાધાન્યતા નમૂનો નીચેના અનામી સ્ક્રીનીંગ પરિણામોને ત્રણ જૂથોમાં વિભાજીત કરો: (1) ફોલો-અપ અગ્રતા ("નિષ્ફળ"), (2) ગ્રેડ/શંકા ("પાસ" + સંકેત), (3) નિયમિત. સ્ક્રીનીંગ એ નિદાન નથી, તે ચોક્કસ નિદાન નથી. ડેટા: [સૂચિ]

ખોટા નેગેટિવ ફિલ્ટર ટેમ્પલેટર "પાસ" પરિણામ સાથે રેકોર્ડ કરે છે પરંતુ લક્ષણ/કુટુંબની શંકા/વિકાસ નોંધ એક અલગ સૂચિ તરીકે દેખાય છે અને તમે શા માટે ફોલો-અપની ભલામણ કરો છો તે લખો. ડેટા: [પાસ જૂથ + નોંધો]

વર્કપ્લેસ ટ્રેન્ડ સરખામણી ટેમ્પલેટ નીચેના અનામી વર્કર કોડ્સ માટે આ વર્ષના અને ગયા વર્ષના અવાજ ઑડિઓમેટ્રી થ્રેશોલ્ડની સરખામણી કરો; જે નોંધપાત્ર બગાડ દર્શાવે છે તેને ચિહ્નિત કરો (ખાસ કરીને 3000-6000 Hz). નિર્ણય અને સૂચના નિષ્ણાતની છે. ડેટા: [મૂલ્યો]

કુટુંબ/સંબંધિત માહિતીનો નમૂનો સાદા ટર્કિશમાં સંદેશ સાથે માહિતીપ્રદ ફકરો લખો "સ્ક્રીનિંગ એ નિદાન નથી, પસાર થવું જીવનભરની ગેરંટી આપતું નથી, રહેવાનો અર્થ બહેરો નથી." અસ્વસ્થતા ન બનાવો, વાસ્તવિક બનો, ફોલો-અપના મહત્વ પર ભાર આપો.

સામાન્ય ભૂલો

• નિદાન માટે સ્કેન કરવામાં ભૂલ. ચોક્કસ નિદાન તરીકે "પાસ/નિષ્ફળ" પરિણામ પ્રસ્તુત કરવું.
• ખોટા નકારાત્મકને ભૂલી જવું. "પાસ થયેલા" જૂથમાં લક્ષણોના કેસોની અવગણના.
• પરિવારને ખોટું આશ્વાસન. "પાસ = કોઈ સમસ્યા નથી" એમ કહેવું; ઓડિટરી ન્યુરોપથી જેવી શક્યતાઓને અવગણવી.
• સૂચનાની જવાબદારીને બાયપાસ કરીને. વ્યવસાયિક આરોગ્ય પ્રક્રિયાને કાર્યસ્થળમાં જણાયું નુકસાનની જાણ ન કરવી.
• વાહનમાં ઓળખ ડેટા દાખલ કરવો. કૃત્રિમ બુદ્ધિમત્તાને અનામી કર્યા વિના બાળક/કાર્યકરની ઓળખ આપવી.

સારાંશમાં

સ્ક્રીનીંગ એ એક નાબૂદી છે જે સંભવિત સમસ્યાઓને દૂર કરે છે અને તેમને ડાયગ્નોસ્ટિક મૂલ્યાંકન તરફ નિર્દેશિત કરે છે; તે નિદાન નથી. AI એ મોટી સંખ્યામાં પરિણામોને સૉર્ટ કરવા અને ફોલો-અપની જરૂર હોય તેવા લોકોને પ્રાધાન્ય આપવા માટે એક શક્તિશાળી પ્રી-સ્ક્રિનર છે, પરંતુ તે ખોટા નકારાત્મકને સંપૂર્ણપણે રોકી શકતું નથી. જો "પાસ" હોવા છતાં લક્ષણો હોય, તો તે નિષ્ણાતનો નિર્ણય છે, અને જો "નિષ્ફળ" થાય, તો વધુ મૂલ્યાંકન એ નિષ્ણાતનો નિર્ણય છે; કાર્યસ્થળમાં મળેલા નુકસાનના કિસ્સામાં સૂચના અને રક્ષણની જવાબદારીઓ લાગુ કરવી આવશ્યક છે.

એપ્લિકેશન કાર્ય

એક અનામી, મેડ-અપ સ્ક્રિનિંગ સૂચિ તૈયાર કરો (ઓછામાં ઓછી 15 રેખાઓ, પાસ/નિષ્ફળ, અને કેટલાક પર લક્ષણોની નોંધો). AI ને "પ્રાધાન્યતા" અને "ખોટા નકારાત્મક ફિલ્ટર" નમૂનાઓ સાથે બે સૂચિ આપો. પછી તેની જાતે જ સમીક્ષા કરો: શું AI ચૂકી ગયેલી અથવા ઓવરમાર્ક કરેલી કોઈ લાઇન છે? "કુટુંબની માહિતી" નમૂનાનો ઉપયોગ કરીને કુટુંબ માટે માહિતીનો ફકરો બનાવો અને તેને અતિશયોક્તિ/અંડર-એશ્યોરન્સ માટે સુધારો.

ચેકલિસ્ટ

• [ ] મેં સ્કેન પરિણામો અનામી અને સંરચિત રૂપે પ્રદાન કર્યા છે.
• [ ] "નિષ્ફળ" અને મેં સરહદ પરના લોકોને અનુસરવાને પ્રાથમિકતા આપી.
• [ ] મેં "પાસ થયેલા" જૂથમાં લક્ષણોના કેસોની અલગથી સમીક્ષા કરી.
• [ ] મેં અંતિમ નિદાન અને વધુ પરીક્ષણનો નિર્ણય નિષ્ણાત પર છોડી દીધો.
• [ ] મેં કાર્યસ્થળના સંદર્ભમાં સૂચના/સંરક્ષણની જવાબદારીનું અવલોકન કર્યું છે.
• [ ] મેં કુટુંબની માહિતી વાસ્તવિક અને અસ્વસ્થ ભાષામાં લખી છે.