Nyereség:
- Képes pontosan pozícionálni az OAE és az automatikus ABR-alapú szűrési eredmények „megfelelt/nem” logikáját, valamint a szűrés és a diagnózis közötti különbséget mesterséges intelligencia segítségével
- Lehetőség a mesterséges intelligencia előszűrőként való használatára, amely előnyben részesíti az utánkövetést igénylő eseteket a szűrési listákon, és elkerüli a hamis negatív eredmények kockázatát
- A mesterséges intelligencia-kibocsátás határainak és bejelentési kötelezettségeinek megértése a munkahelyi zajszűrésben és az iskolai szűrésben
A hallásszűrés egy olyan szűrési folyamat, amely gyorsan azonosítja azokat az embereket, akiknek hallásproblémája lehet egy társadalomban, és diagnosztikai értékelésre irányítja őket. A szűrés nem diagnózis; Ez az egység legkritikusabb mondata. A szűrés azt mondja, hogy "valami baj lehet ezzel az emberrel, hadd vizsgálják meg"; A diagnózis szerint "Ennek a személynek ilyen típusú és mértékű vesztesége van." A mesterséges intelligencia egy hatékony előszűrés a szűrési eredmények előzetes kiértékeléséhez – különösen a nagyszámú eredmény válogatása és a nyomon követést igénylő eredmények előtérbe helyezése során. De nem tudja teljesen megakadályozni a hamis negatívokat (elmulasztott valós eseteket), és soha nem tud diagnosztikai döntést hozni.
Ebben az egységben három gyakori szűrési kontextusra térünk ki: újszülöttek hallásszűrésére, iskoláskorúak szűrésére és munkahelyi zajszűrésre. Mindegyikben tisztázni fogjuk, hol lehet biztonságosan használni a mesterséges intelligenciát, és hol érdemes megállni.
A szűrővizsgálatok logikája
Ismerjük meg a két alapvető újszülött/csecsemő szűrési módszert.
OAE (Otoacoustic Emission): Az egészséges cochlea (a belső fül hallószerve) által a hangra válaszul keltett nagyon halk hangokat méri. Egy kis szondát helyeznek a fülbe; Ha a cochlea "visszhangot" ad, a tesztet "megfeleltnek" tekintik. Az OAE gyors, de nem észleli a fülkagyló (hallóideg) mögötti problémákat.
Automatikus ABR (Auditory Brainstem Response): Méri a hallóideg és az agytörzs elektromos válaszát a hangra. Különösen előnyben részesítik az intenzív terápiás csecsemőknél, mivel képes felismerni azokat az állapotokat, amelyeket az OAE elmulaszthat, mint például a hallási neuropátia (olyan állapot, amelyben a cochlea működik, de az idegek vezetése károsodott).
Mindkét teszt eredménye általában „megfelelt” vagy „nem felel meg/hivatkozik”. A „sikertelenség” nem diagnózis; további értékelés szükségességét jelzi. A „megfelelt” azt jelzi, hogy nincs nyilvánvaló probléma az aktuális vizsgálatban, és nem garantálja az élethosszig tartó hallást.
Vigyázat: A hallási neuropátia-típusú veszteség rejtve maradhat egy csecsemőben, ha az OAE eredménye „pass”. A családnak nem mondják, hogy "vége = soha nem lesz gond"; A későbbiekben kialakuló veszteségek esetén tünetfigyelés és szükség esetén utánkövetés javasolt.
Miért olyan kritikus a korai diagnózis?
Az újszülöttek hallásszűrése azért olyan elterjedt és komolyan vett program, mert a hallás a nyelv- és beszédfejlődés alapja. Attól a pillanattól kezdve, hogy a baba megszületik, megtanulja a nyelvet azáltal, hogy hallja a körülötte lévő hangokat; Ha a halláskárosodást észre sem veszik, ezt a fejlődési ablakot csendben el lehet hagyni. Korán felismert és megfelelően támogatott halláskárosodás esetén a gyermek nyelvi fejlődése lényegesen jobban halad, mint későn észlelve. Éppen ezért a szűrés „álnegatívuma” – vagyis a csecsemő hiánya valódi veszteséggel „elmúltként” – a legköltségesebb hiba ezen a területen: az elveszett hónapok később nehezen kompenzálható fejlődési különbségekké alakulhatnak át.
A mesterséges intelligencia különösen értékes ebben az összefüggésben, mivel biztosítja, hogy a nyomkövetési lánc ne szakadjon meg. Gyakori probléma a szűrőprogramokban, hogy a "sikertelen" eredménnyel rendelkező baba soha nem jön el további értékelésre (a család nem jelenik meg, elveszik a jegyzőkönyv, elfelejtik az időpontot). Az AI segíthet csökkenteni ezt az „elveszett követési” arányt azáltal, hogy összeállítja a nyomon követést igénylő esetek listáját és emlékeztető szövegeket generál. De a döntés arról, hogy melyik baba van valóban veszélyben, és hogyan fog továbbhaladni a diagnosztikai folyamat, mindig a szakember és a program klinikai felelőssége.
A hamis negatívok és a hamis pozitívok egyensúlya
Minden szűrővizsgálat kétféle hibát véthet. A hamis negatív hiányzik az a személy, akinek valóban van problémája, mert „túl vannak rajta” – ez a legveszélyesebb hiba az egészségügyben, mert a gyermeket nem követik. A hamis pozitív eredmény lényegében az egészséges személyt „kudarcként” jelöli meg – szükségtelen szorongást és további vizsgálatokat okoz, de kevésbé veszélyes.
Ezt az egyensúlyt tudatosan meg kell találnia, ha mesterséges intelligencia szűrési listákon szerepel: az előszűrés során általában biztonságosabb a „nem hiányzik” küszöböt tartani (azaz követni a gyanúsítottat). Az alábbi táblázat összehasonlítja a három összefüggést.
Kontextus
Tipikus módszer
Hamis negatív kockázat
Az AI biztonságos szerepe
újszülött
OAE / automatikus ABR
Magas (fejlődési késés)
Eredménylista szerkesztése, nyomon követési emlékeztető
iskolás korú
Tiszta hangkeresés
Közepes (edző hatás)
Osztály/lista prioritás
munkahelyen
Zaj audiometria
Közepesen magas (foglalkozási betegség)
Trend/összehasonlító diagram
Lépésről lépésre: az AI-val végzett szkennelés előzetes értékelése
- Az adatok anonimizálása és strukturálása. Sorolja fel az eredményeket kód/sorszám szerint az azonosító, a sikeres/nem sikerült és a mérési érték helyett, ha van ilyen.
- Határozza meg az előminősítés szabályát. Előnyben részesítsék azokat, akik "elbuknak", és azokat, akik a határon vannak; Állítsa be úgy, hogy ne maradjon le a döntésről.
- Az AI prioritást állítson fel. Kérjen egy listát, amely lebontja, hogy mit kell figyelni, mit kell újra megvizsgálni, és mi a normális.
- Ügyeljen a hamis negatívokra. Még a "Pass" csoportban is, ha valaki tüneteket ír le (családi gyanakvás, beszédkésés), kövesse nyomon.
- A diagnosztikai útmutatást bízza a szakértőre. A végső diagnózis és a további vizsgálati döntés az audiológust/orvost illeti.
- A bejelentési kötelezettség érvényesítése. Foglalkozás-egészségügyi bejelentési és védelmi folyamatok működtetése, különösen a munkahelyen észlelt veszteségek esetén.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
A következő babáknak van OAE eredménye, mondja meg, melyik süket: [lista]
Pontos diagnosztikai nyelvezetet igényel, mint például a „süket”, figyelmen kívül hagyja a szűrés-diagnózis különbségtételt, és figyelmen kívül hagyja a hamis negatívumok kockázatát.
Erőteljes felszólítás:
Feladata: szűrés előtti asszisztens, aki megszervezi a szűrési eredményeket. NE KÉSZÍTSÜK DIAGNÓZIST; Emlékeztessen arra, hogy a „megfelelt/nem sikerült” szűrés nem diagnózis. Adatok (névtelen, sorszámmal): [megfelelt/nem teljesített lista + megjegyzések, ha van]Feladat: (1) a "nem megfelelő" sorrendbe állítása, (2) külön jelölje meg a "megfelelt", de nem jegyzettet (családi gyanú stb.), (3) írja meg az ajánlott következő lépést minden csoporthoz. Közölje, hogy a végső diagnózis és a további vizsgálati döntés az audiológuson/orvoson múlik.
Az erős kérés névtelen, megőrzi a szűrés-diagnózis megkülönböztetést, figyelembe veszi a hamis negatívumot, a döntést a szakértőre bízza.
három mini tok
1. eset – Prioritás. Egy szűrőegységen 120 újszülött eredmény van; 8 "balra". Az audiológus átadja a névtelen listát a mesterséges intelligenciának, és megszerkeszti a nyomkövetési listát. A mesterséges intelligencia 8 „sikertelen” esetet és 3 esetet különít el a „megfelelt, de a családban előfordult halláskárosodás” megjegyzéssel. A szakember 11 babát követ nyomon. Az AI percek alatt 120 sort szerkesztett; Az emberrablás kockázata csökkent.
2. eset – Hamis negatív rögzítés. Az iskolai szűrésen egy 9 éves gyerek kapott "átmentet" a tisztahangú szűrésen, de a tanár megjegyezte, hogy "mindig ezt ismétli, és nem hallja, ha hátulról szólítják". Az audiológus beszkenneli ezt a jegyzetet a mesterséges intelligenciába a "Van-e tünet az átigazolási csoportban?" szűrővel. A gyermeket további értékelésre viszik, és enyhén hullámos veszteséget észlelnek. A numerikus „megfelelt” nem írta felül a klinikai tünetet.
3. eset – Munkahelyi elfogultság. Egy gyárban évente 50 dolgozót végeznek zajaudiometriával. A szakember egy vázlatot kér, amely összehasonlítja az anonim értékeket a tavalyival. YZ 5 dolgozót jelöl, akik jelentős küszöbeltolódást mutatnak 4000 Hz-en. A szakember diagnosztikai értékelésre és egyéni védőeszköz felülvizsgálatra utalja őket; Elindítja a foglalkozás-egészségügyi bejelentési eljárást.
Másolható prompt sablonok
KÉPERNYŐLISTA PRIORITÁCIÓS SABLONOKOssza három csoportba a következő anonim szűrési eredményeket: (1) nyomon követési prioritás ("sikertelen"), (2) érdemjegy/kétség miatti felülvizsgálat ("megfelelt" + jelzés), (3) rutin. A szűrés nem diagnózis, nem végleges diagnózis. Adatok: [lista]
HAMIS NEGATÍV SZŰRŐ SABLONOK Azok a rekordok, amelyeknél a "Megfelelt", de tünet/családi gyanú/fejlődési megjegyzés szerepel, külön listaként jelennek meg, és írd meg, miért javasolod a nyomon követést. Adatok: [bérletcsoport + megjegyzések]
MUNKAHELYI TREND ÖSSZEHASONLÍTÓ SABLON Hasonlítsa össze az idei és a tavalyi zajaudiometriai küszöbértékeket a következő anonim dolgozói kódokhoz; Jelölje meg azokat, amelyek jelentős romlást mutatnak (különösen 3000-6000 Hz). A döntés és az értesítés a szakértőt illeti. Adatok: [értékek]
CSALÁD/KAPCSOLÓDÓ INFORMÁCIÓS SABLON Írj egy tájékoztató bekezdést tiszta török nyelven a következő üzenettel: "A szűrés nem diagnózis, a továbbjutás nem ad életre szóló garanciát, a maradás nem jelent süketet." Ne keltsen szorongást, legyen realista, hangsúlyozza a nyomon követés fontosságát.
Gyakori hibák
- A szkennelés tévedése a diagnózis érdekében. A "megfelelt/nem felelt" eredmény bemutatása végleges diagnózisként.
- A hamis negatívot elfelejtve. Tüneti esetek figyelmen kívül hagyása a „Teljes” csoportban.
- Hamis megnyugtatás a családnak. „Pass = nincs probléma” kimondása; Az olyan lehetőségek figyelmen kívül hagyása, mint a hallási neuropátia.
- A bejelentési kötelezettség megkerülése. A munkahelyen észlelt veszteség bejelentésének elmulasztása a foglalkozás-egészségügyi folyamat felé.
- Azonosító adatok bevitele a járműbe. A baba/munkás identitás megadása a mesterséges intelligenciának anélkül, hogy anonimizálná.
Összefoglalva
A szűrés olyan megszüntetés, amely kiküszöböli a lehetséges problémákat, és a diagnosztikai értékelésre irányítja őket; Ez nem diagnózis. A mesterséges intelligencia egy hatékony előszűrő a nagyszámú eredmény válogatására és a nyomon követést igénylők priorizálására, de nem tudja teljesen megakadályozni a hamis negatívokat. Ha a "megfelelt" ellenére tünetek jelentkeznek, a szakorvos döntése a nyomon követés, ha pedig "Sikertelen", a további értékelés a szakorvos döntése; A munkahelyen észlelt veszteségek esetén a bejelentési és védekezési kötelezettséget érvényesíteni kell.
Pályázati feladat
Készítsen névtelen, összeállított szűrési listát (legalább 15 sor, sikeres/sikertelen, és néhány tünet megjegyzése). Adjon meg az AI-nak két listát a „prioritás” és a „hamis negatív szűrő” sablonokkal. Ezután tekintse át manuálisan: van-e olyan sor, amelyet az AI kihagyott vagy túl van jelölve? Készítsen egy tájékoztató bekezdést a család számára a „családi információk” sablon használatával, és javítsa ki a túlzás/alulbiztosítottság miatt.
ellenőrző lista
- [ ] A vizsgálati eredményeket névtelenül és strukturáltan adtam meg.
- [ ] „Sikertelen”, és a határon lévők követését helyeztem előtérbe.
- [ ] Külön áttekintettem az „Elért” csoport tüneti eseteit.
- [ ] A végső diagnózist és a további vizsgálatról szóló döntést a szakorvosra bíztam.
- [ ] A bejelentési/védelmi kötelezettséget a munkahelyi összefüggésben betartottam.
- [ ] A családdal kapcsolatos információkat reális és szorongásmentes nyelven írtam.