श्रवण स्क्रीनिंग परिणामांचे पूर्व-मूल्यांकन: नवजात, शाळा आणि कार्यस्थळ

नफा:

• OAE चे 'पास/अयशस्वी' तर्क अचूकपणे मांडण्याची क्षमता आणि स्वयंचलित ABR-आधारित स्क्रीनिंग परिणाम आणि कृत्रिम बुद्धिमत्तेच्या समर्थनासह स्क्रीनिंग आणि निदान यांच्यातील फरक
• प्री-स्क्रीनर म्हणून कृत्रिम बुद्धिमत्ता वापरण्याची क्षमता जे स्क्रीनिंग सूचीमध्ये फॉलोअप आवश्यक असलेल्या प्रकरणांना प्राधान्य देते आणि खोट्या नकारात्मकतेचा धोका टाळते
• कामाच्या ठिकाणी आवाज स्क्रीनिंग आणि शाळेच्या स्क्रीनिंगमध्ये कृत्रिम बुद्धिमत्ता आउटपुटच्या मर्यादा आणि अधिसूचना दायित्वे समजून घेणे

हिअरिंग स्क्रीनिंग ही एक स्क्रीनिंग प्रक्रिया आहे जी समाजात श्रवणविषयक समस्या असलेल्या लोकांना त्वरीत ओळखते आणि त्यांना निदान मूल्यांकनासाठी निर्देशित करते. स्क्रीनिंग म्हणजे निदान नाही; हे या युनिटचे सर्वात गंभीर वाक्य आहे. स्क्रीनिंग म्हणते "या व्यक्तीमध्ये काहीतरी चूक असू शकते, त्याची तपासणी होऊ द्या"; निदान म्हणते, "या व्यक्तीला हा प्रकार आणि तोटा आहे." स्क्रिनिंग परिणामांचे पूर्व-मूल्यांकन करण्यासाठी कृत्रिम बुद्धिमत्ता एक शक्तिशाली प्री-स्क्रीनर आहे — विशेषत: मोठ्या संख्येने निकालांची क्रमवारी लावण्यासाठी आणि ज्यांना फॉलो-अप आवश्यक आहे त्यांना प्राधान्य देणे. परंतु ते खोट्या नकारात्मक गोष्टींना पूर्णपणे प्रतिबंध करू शकत नाही (वास्तविक प्रकरणे चुकली) आणि निदान निर्णय कधीही घेऊ शकत नाही.

या युनिटमध्ये, आम्ही तीन सामान्य स्क्रीनिंग संदर्भांचा समावेश करू: नवजात श्रवण स्क्रीनिंग, शालेय वय स्क्रीनिंग आणि कामाच्या ठिकाणी आवाज स्क्रीनिंग. त्या प्रत्येकामध्ये, आपण कृत्रिम बुद्धिमत्ता सुरक्षितपणे कुठे वापरू शकता आणि आपण कुठे थांबावे हे आम्ही स्पष्ट करू.

स्क्रीनिंग चाचण्यांचे तर्क

नवजात/शिशु तपासणीच्या दोन मूलभूत पद्धती जाणून घेऊया.

OAE (ओटोअकौस्टिक उत्सर्जन): ध्वनीच्या प्रतिसादात निरोगी कोक्लीया (आतील कानात ऐकण्याचे अवयव) द्वारे तयार होणारे अतिशय मंद आवाज मोजते. कानात एक लहान प्रोब ठेवली जाते; जर कोक्लियाने "इको" दिले तर चाचणी "उत्तीर्ण" मानली जाते. OAE वेगवान आहे परंतु कोक्लिया (श्रवण तंत्रिका) च्या मागे समस्या शोधू शकत नाही.

ऑटोमॅटिक एबीआर (ऑडटरी ब्रेनस्टेम रिस्पॉन्स): श्रवण तंत्रिका आणि मेंदूच्या ध्वनीचा विद्युत प्रतिसाद मोजतो. हे विशेषत: अतिदक्षता बाळांमध्ये प्राधान्य दिले जाते कारण ते OAE चुकवू शकतील अशा परिस्थिती शोधू शकतात, जसे की श्रवणविषयक न्यूरोपॅथी (अशी स्थिती ज्यामध्ये कॉक्लिया कार्य करते परंतु मज्जातंतू वहन बिघडलेले असते).

दोन्ही चाचण्यांचे निकाल सहसा "पास" किंवा "अयशस्वी/रेफर" असतात. “अयशस्वी” हे निदान नाही; पुढील मूल्यांकनाची गरज सूचित करते. "पास" सूचित करते की सध्याच्या स्कॅनमध्ये कोणतीही स्पष्ट समस्या नाही आणि ती आजीवन सुनावणीची हमी देत ​​नाही.

खबरदारी: OAE मधून "पास" परिणाम असलेल्या बाळामध्ये श्रवणविषयक न्यूरोपॅथी-प्रकारचे नुकसान लपलेले असू शकते. कुटुंबाला "इट्स ओव्हर = हे कधीही समस्या होणार नाही" असे सांगितले जात नाही; लक्षणे निरीक्षण आणि फॉलोअप, आवश्यक असल्यास, नंतर विकसित होऊ शकणाऱ्या नुकसानांसाठी शिफारस केली जाते.

लवकर निदान इतके गंभीर का आहे?

नवजात श्रवण तपासणी हा इतका सामान्य आणि गांभीर्याने घेतलेला कार्यक्रम का आहे याचे कारण म्हणजे ऐकणे हा भाषा आणि भाषण विकासाचा आधार आहे. बाळाचा जन्म झाल्यापासून तो त्याच्या सभोवतालचे आवाज ऐकून भाषा शिकतो; श्रवणशक्ती कमी झाल्यास, विकासाची ही चौकट शांतपणे चुकली जाऊ शकते. लवकर आढळून आल्यास आणि योग्यरित्या समर्थित श्रवणशक्ती कमी झाल्यास, मुलाचा भाषेचा विकास उशीरा आढळल्यास त्यापेक्षा लक्षणीयरीत्या चांगला होतो. म्हणूनच स्क्रिनिंगचे "खोटे नकारात्मक"—म्हणजेच, "उतीर्ण" म्हणून वास्तविक तोटा असलेले बाळ हरवणे — ही या क्षेत्रातील सर्वात महागडी चूक आहे: गमावलेले महिने नंतर विकासात्मक फरकांमध्ये बदलू शकतात ज्याची भरपाई करणे कठीण आहे.

ट्रॅकिंगची साखळी खंडित होणार नाही याची खात्री करण्यासाठी या संदर्भात कृत्रिम बुद्धिमत्ता विशेषतः मौल्यवान आहे. स्क्रीनिंग प्रोग्राममध्ये एक सामान्य समस्या अशी आहे की "अयशस्वी" परिणाम असलेले बाळ कधीही पुढील मूल्यांकनासाठी येत नाही (कुटुंब दिसत नाही, रेकॉर्ड हरवले आहे, भेट विसरली आहे). फॉलो-अप आवश्यक असलेल्या प्रकरणांची यादी तयार करून आणि स्मरणपत्रे तयार करून AI हा “हरवलेला फॉलो-अप” दर कमी करण्यात मदत करू शकते. परंतु कोणत्या बाळाला खरोखर धोका आहे आणि निदान प्रक्रिया कशी पुढे जाईल याचा निर्णय नेहमीच तज्ञ आणि कार्यक्रमाची नैदानिक ​​जबाबदारी असते.

खोट्या नकारात्मक आणि खोट्या सकारात्मक गोष्टींचा समतोल

प्रत्येक स्क्रीनिंग चाचणीमध्ये दोन प्रकारच्या चुका होऊ शकतात. खोट्या निगेटिव्हमध्ये ती व्यक्ती गहाळ आहे ज्याला प्रत्यक्षात समस्या आहे कारण ती "त्यावर" आहे—आरोग्य सेवेतील सर्वात धोकादायक चूक कारण मूल अनफॉलो राहते. खोटे पॉझिटिव्ह मूलत: निरोगी व्यक्तीला "अयशस्वी" म्हणून चिन्हांकित करते - अनावश्यक चिंता आणि अतिरिक्त चाचणी निर्माण करते, परंतु ते कमी धोकादायक असते.

स्क्रीनिंग लिस्टमध्ये AI वापरताना तुम्ही ही शिल्लक जाणीवपूर्वक स्ट्राइक केली पाहिजे: प्री-स्क्रीनिंगमध्ये, थ्रेशोल्ड "गहाळ नाही" (म्हणजे संशयिताचे अनुसरण करणे) कडे ठेवणे सामान्यतः सुरक्षित असते. खालील सारणी तीन संदर्भांची तुलना करते.

संदर्भ

ठराविक पद्धत

खोटे नकारात्मक होण्याचा धोका

AI ची सुरक्षित भूमिका

नवजात

OAE / स्वयंचलित ABR

उच्च (विकास विलंब)

निकाल सूची संपादन, फॉलो-अप स्मरणपत्र

शालेय वय

शुद्ध आवाज स्कॅनिंग

मध्यम (प्रशिक्षण प्रभाव)

वर्ग/सूची प्राधान्यक्रम

कामाची जागा

आवाज ऑडिओमेट्री

मध्यम-उच्च (व्यावसायिक रोग)

ट्रेंड/तुलना प्लॉट

स्टेप बाय स्टेप: AI सह स्कॅनिंगचे पूर्व-मूल्यांकन

1. अनामित करा आणि डेटाची रचना करा. आयडी, पास/अयशस्वी आणि लागू असल्यास मापन मूल्याऐवजी कोड/अनुक्रम क्रमांकानुसार परिणामांची यादी करा.
2. पूर्व-पात्रता नियम परिभाषित करा. जे "अपयश" आहेत आणि जे सीमेवर आहेत त्यांना प्राधान्य द्या; ते सेट करा जेणेकरून तुमचा निर्णय चुकणार नाही.
3. AI ला प्राधान्य द्या. कोणत्या गोष्टींचे परीक्षण करणे आवश्यक आहे, काय पुन्हा स्कॅन करणे आवश्यक आहे आणि काय सामान्य आहे हे खाली आणणारी यादी विचारा.
4. खोट्या नकारात्मक गोष्टींकडे लक्ष द्या. "पास" गटातही, कोणी लक्षणे (कुटुंब संशय, बोलण्यात विलंब) वर्णन केल्यास, पाठपुरावा करा.
5. निदान मार्गदर्शन तज्ञांना द्या. अंतिम निदान आणि पुढील चाचणीचा निर्णय ऑडिओलॉजिस्ट/फिजिशियनचा असतो.
6. सूचना बंधनाची अंमलबजावणी करा. व्यावसायिक आरोग्य अधिसूचना आणि संरक्षण प्रक्रिया चालवा, विशेषत: कामाच्या ठिकाणी आढळलेल्या नुकसानीच्या प्रकरणांमध्ये.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत प्रॉम्प्ट:

खालील बाळांना OAE परिणाम आहेत, मला सांगा कोणते बहिरे आहेत: [सूची]

हे "बधिर" सारखी अचूक निदानात्मक भाषा बोलते, स्क्रीनिंग-निदान भेद दुर्लक्षित करते आणि खोट्या नकारात्मकतेच्या जोखमीकडे दुर्लक्ष करते.

शक्तिशाली सूचना:

तुमची भूमिका: प्री-स्क्रीनिंग असिस्टंट जो स्क्रीनिंग परिणाम आयोजित करतो. निदान करू नका; मला आठवण करून द्या की "पास/अयशस्वी" स्क्रीनिंग हे निदान नाही. डेटा (निनावी, अनुक्रम क्रमांकासह): [पास/अयशस्वी यादी + नोट्स असल्यास] कार्य: (१) "अयशस्वी" ला प्राधान्य द्या, (२) "पास" स्वतंत्रपणे चिन्हांकित करा परंतु नोंद नाही (कुटुंब संशय इ.), (३) प्रत्येक गटासाठी शिफारस केलेली पुढील पायरी लिहा. सांगा की अंतिम निदान आणि पुढील चाचणीचा निर्णय ऑडिओलॉजिस्ट/वैद्यकांवर अवलंबून आहे.

जोरदार विनंती अनामिक आहे, स्क्रीनिंग-निदान भेद जपते, खोटे नकारात्मक विचारात घेते आणि निर्णय तज्ञांवर सोपवते.

तीन लहान प्रकरणे

केस 1 - प्राधान्यक्रम. एका स्क्रीनिंग युनिटमध्ये 120 नवजात परिणाम आहेत; 8 "डावीकडे". ऑडिओलॉजिस्ट कृत्रिम बुद्धिमत्तेला अनामित यादी देतो आणि ट्रॅकिंग सूची संपादित केली जाते. AI 8 "अयशस्वी" केसेस आणि 3 केसेस "पास" च्या नोटसह वेगळे करते, परंतु ऐकण्याच्या नुकसानाचा कौटुंबिक इतिहास आहे. तज्ञ 11 बाळांना फॉलो करतात. एआयने मिनिटांत 120 ओळी संपादित केल्या; अपहरणाचा धोका कमी झाला आहे.

केस 2 - खोटे नकारात्मक कॅप्चर. शालेय स्क्रिनिंगमध्ये, शुद्ध टोन स्क्रीनिंगमध्ये 9 वर्षांच्या मुलाला "पास" मिळाला, परंतु शिक्षकाने नोंदवले की "तो सर्व वेळ पुनरावृत्ती करतो आणि मागून बोलावल्यावर ते ऐकू येत नाही." ऑडिओलॉजिस्ट ही नोट आर्टिफिशियल इंटेलिजन्समध्ये "पास ग्रुपमध्ये काही लक्षणे आहेत का?" या फिल्टरसह स्कॅन करतात. मुलाला पुढील मूल्यांकनासाठी नेले जाते आणि किंचित लहरी तोटा आढळून येतो. संख्यात्मक "उतीर्ण" ने क्लिनिकल लक्षण ओव्हरराइड केले नाही.

केस 3 - कामाच्या ठिकाणी पूर्वाग्रह. एका कारखान्यात ५० कामगारांची वार्षिक नॉइज ऑडिओमेट्री असते. तज्ञ गेल्या वर्षीच्या निनावी मूल्यांची तुलना करणारे स्केच मागतात. YZ 5 कामगारांना 4000 Hz वर लक्षणीय थ्रेशोल्ड शिफ्ट दर्शविते. विशेषज्ञ त्यांना निदान मूल्यांकन आणि वैयक्तिक संरक्षणात्मक उपकरणांच्या पुनरावलोकनासाठी संदर्भित करतात; व्यावसायिक आरोग्य सूचना प्रक्रिया सुरू करते.

कॉपी करण्यायोग्य प्रॉम्प्ट टेम्पलेट्स

स्क्रीन सूची प्राधान्यक्रम टेम्प्लेट खालील निनावी स्क्रीनिंग परिणामांना तीन गटांमध्ये विभाजित करा: (1) फॉलो-अप प्राधान्य ("अयशस्वी"), (2) ग्रेड/संशयामुळे पुनरावलोकन ("पास" + संकेत), (3) दिनचर्या. स्क्रीनिंग हे निदान नाही, ते निश्चित निदान नाही. डेटा: [सूची]

खोटे नकारात्मक फिल्टर टेम्पलेट "पास" निकालासह रेकॉर्ड करा परंतु लक्षण/कौटुंबिक शंका/विकास टीप एक वेगळी यादी म्हणून दिसून येईल आणि तुम्ही फॉलो-अपची शिफारस का करता ते लिहा. डेटा: [पास गट + नोट्स]

वर्कप्लेस ट्रेंड तुलना टेम्प्लेट खालील निनावी कामगार कोडसाठी या वर्षाच्या आणि गेल्या वर्षीच्या नॉइज ऑडिओमेट्री थ्रेशोल्डची तुलना करा; लक्षणीय बिघाड दर्शविणारे चिन्हांकित करा (विशेषत: 3000-6000 Hz). निर्णय आणि अधिसूचना तज्ञांच्या मालकीची आहे. डेटा: [मूल्ये]

कुटुंब/संबंधित माहिती टेम्प्लेट साध्या तुर्कीमध्ये "स्क्रीनिंग हे निदान नाही, उत्तीर्ण होणे आयुष्यभराची हमी देत नाही, राहण्याचा अर्थ बहिरा नाही" असा संदेश असलेला माहितीपूर्ण परिच्छेद लिहा. चिंता निर्माण करू नका, वास्तववादी व्हा, फॉलोअपच्या महत्त्वावर जोर द्या.

सामान्य चुका

• निदानासाठी स्कॅन चुकणे. निश्चित निदान म्हणून "पास/नापास" परिणाम सादर करणे.
• खोटे नकारात्मक विसरणे. "उतीर्ण" गटातील लक्षणात्मक प्रकरणांकडे दुर्लक्ष करणे.
• कुटुंबाला खोटे आश्वासन. "पास = काही हरकत नाही" असे म्हणणे; श्रवणविषयक न्यूरोपॅथीसारख्या शक्यतांकडे दुर्लक्ष करणे.
• अधिसूचना बंधन बायपास. कामाच्या ठिकाणी आढळलेल्या नुकसानाची व्यावसायिक आरोग्य प्रक्रियेला तक्रार न करणे.
• वाहनामध्ये ओळख डेटा प्रविष्ट करणे. बाळाला/कामगारांना कृत्रिम बुद्धिमत्तेची ओळख गुप्त न ठेवता देणे.

सारांशात

स्क्रीनिंग हे एक निर्मूलन आहे जे संभाव्य समस्या दूर करते आणि त्यांना निदान मूल्यांकनाकडे निर्देशित करते; हे निदान नाही. मोठ्या संख्येने निकालांची क्रमवारी लावण्यासाठी आणि फॉलो-अपची आवश्यकता असलेल्यांना प्राधान्य देण्यासाठी AI हे एक शक्तिशाली प्री-स्क्रीनर आहे, परंतु ते खोट्या नकारात्मक गोष्टींना पूर्णपणे प्रतिबंध करू शकत नाही. "पास" असूनही लक्षणे आढळल्यास, पाठपुरावा करण्याचा तज्ञांचा निर्णय आहे आणि "अयशस्वी" असल्यास, पुढील मूल्यमापन हा तज्ञांचा निर्णय आहे; कामाच्या ठिकाणी आढळलेल्या नुकसानीच्या प्रकरणांमध्ये अधिसूचना आणि संरक्षण दायित्वांची अंमलबजावणी करणे आवश्यक आहे.

अर्ज कार्य

निनावी, तयार केलेली स्क्रीनिंग यादी तयार करा (किमान 15 ओळी, पास/अयशस्वी आणि काहींवर लक्षणे नोट्स). AI ला “प्राधान्य” आणि “खोटे नकारात्मक फिल्टर” टेम्पलेट्ससह दोन याद्या द्या. मग त्याचे व्यक्तिचलितपणे पुनरावलोकन करा: एआय चुकलेली किंवा ओव्हरमार्क केलेली एखादी ओळ आहे का? "कुटुंब माहिती" टेम्प्लेट वापरून कुटुंबासाठी माहिती परिच्छेद तयार करा आणि अतिशयोक्ती / कमी आश्वासनासाठी ते दुरुस्त करा.

चेकलिस्ट

• [ ] मी स्कॅन परिणाम अज्ञातपणे आणि संरचितपणे प्रदान केले.
• [ ] "अयशस्वी" आणि मी सीमेवर त्यांचे अनुसरण करण्यास प्राधान्य दिले.
• [ ] मी "उत्तीर्ण" गटातील लक्षणात्मक प्रकरणांचे स्वतंत्रपणे पुनरावलोकन केले.
• [ ] मी अंतिम निदान आणि पुढील चाचणीचा निर्णय तज्ञांवर सोडला आहे.
• [ ] मी कामाच्या ठिकाणी संदर्भात अधिसूचना/संरक्षण बंधन पाळले आहे.
• मी कौटुंबिक माहिती वास्तववादी आणि चिंता नसलेल्या भाषेत लिहिली आहे.