Mga nadagdag:
- Kakayahang tumpak na iposisyon ang 'pass/fail' logic ng OAE at awtomatikong mga resulta ng screening na batay sa ABR at ang pagkakaiba sa pagitan ng screening at diagnosis na may suporta ng artificial intelligence
- Kakayahang gumamit ng artificial intelligence bilang isang pre-screener na nagbibigay-priyoridad sa mga kaso na nangangailangan ng follow-up sa mga listahan ng screening at maiwasan ang panganib ng mga maling negatibo
- Pag-unawa sa mga limitasyon at obligasyon sa pag-abiso ng artificial intelligence output sa pag-screen ng ingay sa lugar ng trabaho at screening ng paaralan
Ang screening ng pandinig ay isang proseso ng screening na mabilis na nakikilala ang mga tao na maaaring may mga problema sa pandinig sa isang lipunan at nagtuturo sa kanila sa diagnostic na pagsusuri. Ang screening ay hindi diagnosis; Ito ang pinaka-kritikal na pangungusap ng yunit na ito. Sinasabi ng screening na "maaaring may mali sa taong ito, suriin ito"; Sinasabi ng diagnosis, "Ang taong ito ay may ganitong uri at antas ng pagkawala." Ang artificial intelligence ay isang mahusay na pre-screener para sa paunang pagsusuri ng mga resulta ng screening — partikular sa pag-uuri-uri sa maraming resulta at pagbibigay-priyoridad sa mga nangangailangan ng follow-up. Ngunit hindi nito ganap na mapipigilan ang mga maling negatibo (mga hindi nasagot na totoong kaso) at hindi kailanman makakagawa ng diagnostic na desisyon.
Sa yunit na ito, sasakupin namin ang tatlong karaniwang konteksto ng screening: screening ng bagong panganak na pandinig, screening sa edad ng paaralan, at screening ng ingay sa lugar ng trabaho. Sa bawat isa sa kanila, linawin namin kung saan mo ligtas na magagamit ang artificial intelligence at kung saan ka dapat huminto.
Ang lohika ng mga pagsusulit sa screening
Alamin natin ang dalawang pangunahing pamamaraan ng pagsusuri sa bagong panganak/sanggol.
OAE (Otoacoustic Emission): Sinusukat ang napakahinang mga tunog na ginawa ng isang malusog na cochlea (organ ng pandinig sa panloob na tainga) bilang tugon sa tunog. Ang isang maliit na probe ay inilalagay sa tainga; Kung ang cochlea ay nagbibigay ng "echo" ang pagsusulit ay itinuturing na "passed". Mabilis ang OAE ngunit hindi matukoy ang mga problema sa likod ng cochlea (auditory nerve).
Awtomatikong ABR (Auditory Brainstem Response): Sinusukat ang electrical response ng auditory nerve at brainstem sa tunog. Ito ay lalo na ginusto sa intensive care mga sanggol dahil maaari itong makita ang mga kondisyon na OAE ay maaaring makaligtaan, tulad ng auditory neuropathy (isang kondisyon kung saan gumagana ang cochlea ngunit ang nerve conduction ay may kapansanan).
Ang mga resulta ng parehong pagsusulit ay karaniwang "pass" o "fail/refer". Ang "Fail" ay hindi isang diagnosis; ay nagpapahiwatig ng pangangailangan para sa karagdagang pagsusuri. Ang "Pass" ay nagpapahiwatig na walang malinaw na problema sa kasalukuyang pag-scan, at hindi nito ginagarantiyahan ang habambuhay na pagdinig.
Babala: Maaaring manatiling nakatago ang isang auditory neuropathy-type loss sa isang sanggol na may resultang "pass" mula sa OAE. Hindi sinabi sa pamilya na "tapos na = hinding hindi magiging problema"; Ang pagsubaybay sa sintomas at pag-follow-up, kung kinakailangan, ay inirerekomenda para sa mga pagkalugi na maaaring umunlad sa ibang pagkakataon.
Bakit napakahalaga ng maagang pagsusuri?
Ang dahilan kung bakit ang bagong panganak na pagsusuri sa pandinig ay karaniwan at seryosong kinuha na programa ay ang pagdinig ay ang batayan ng pag-unlad ng wika at pagsasalita. Mula sa sandaling ipinanganak ang isang sanggol, natututo siya ng wika sa pamamagitan ng pakikinig sa mga tunog sa paligid niya; Kung ang pagkawala ng pandinig ay hindi napapansin, ang window ng pag-unlad na ito ay maaaring tahimik na makaligtaan. Sa kaso ng maagang natukoy at naaangkop na suportadong pagkawala ng pandinig, ang pag-unlad ng wika ng bata ay umuusad nang mas mahusay kaysa sa kung huli itong natukoy. Iyon ang dahilan kung bakit ang "false negative" ng screening—iyon ay, nawawala ang isang sanggol na may tunay na pagkawala bilang "pumasa"—ay ang pinakamamahal na pagkakamali sa larangan: ang mga nawalang buwan ay maaaring isalin sa ibang pagkakataon sa mga pagkakaiba sa pag-unlad na mahirap tumbasan.
Ang artificial intelligence ay lalong mahalaga sa kontekstong ito sa pagtiyak na ang chain ng pagsubaybay ay hindi maputol. Ang isang karaniwang problema sa mga programa sa screening ay ang sanggol na may "fail" na resulta ay hindi na dumarating para sa karagdagang pagsusuri (ang pamilya ay hindi nagpapakita, nawala ang rekord, ang appointment ay nakalimutan). Makakatulong ang AI na bawasan ang rate ng "nawalang follow-up" na ito sa pamamagitan ng pag-curate sa listahan ng mga kaso na nangangailangan ng follow-up at pagbuo ng mga text ng paalala. Ngunit ang desisyon tungkol sa kung aling sanggol ang tunay na nasa panganib at kung paano magpapatuloy ang proseso ng diagnostic ay palaging ang klinikal na responsibilidad ng espesyalista at ng programa.
Balanse ng mga maling negatibo at maling positibo
Ang bawat screening test ay maaaring gumawa ng dalawang uri ng mga error. Ang isang maling negatibo ay nawawala ang taong aktwal na may problema dahil sila ay "tapos na"—ang pinaka-mapanganib na pagkakamali sa pangangalagang pangkalusugan dahil ang bata ay nananatiling hindi sinusunod. Ang isang maling positibo ay mahalagang minarkahan ang malusog na tao bilang isang "fail" - lumilikha ng hindi kinakailangang pagkabalisa at karagdagang pagsubok, ngunit hindi gaanong mapanganib.
Dapat mong sinasadya ang balanseng ito kapag gumagamit ng AI sa mga listahan ng screening: sa pre-screening, sa pangkalahatan ay mas ligtas na panatilihin ang threshold patungo sa "hindi nawawala" (ibig sabihin, sundin ang suspek). Inihahambing ng talahanayan sa ibaba ang tatlong konteksto.
Konteksto
Karaniwang pamamaraan
Panganib ng maling negatibo
Ligtas na papel ng AI
bagong panganak
OAE / awtomatikong ABR
Mataas (delay sa pag-unlad)
Pag-edit ng listahan ng resulta, follow-up na paalala
edad ng paaralan
Puro voice scanning
Katamtaman (epekto ng pagsasanay)
Pag-una sa klase/listahan
lugar ng trabaho
Audiometry ng ingay
Katamtaman-mataas (sakit sa trabaho)
Trend/paghahambing na plot
Hakbang-hakbang: pre-assessment ng pag-scan gamit ang AI
- I-anonymize at ayusin ang data. Ilista ang mga resulta ayon sa code/sequence number sa halip na ID, pass/fail, at value ng pagsukat kung naaangkop.
- Tukuyin ang tuntunin bago ang kwalipikasyon. Unahin ang mga "nabibigo" at ang mga nasa hangganan; Itakda ito upang hindi mo makaligtaan ang desisyon.
- I-prioritize ang AI. Humingi ng isang listahan na naghahati-hati sa kung ano ang kailangang subaybayan, kung ano ang kailangang i-scan muli, at kung ano ang normal.
- Abangan ang mga maling negatibo. Kahit na sa grupong "Pass", kung may naglalarawan ng mga sintomas (hinala ng pamilya, pagkaantala sa pagsasalita), mag-follow up.
- Mag-iwan ng diagnostic na gabay sa eksperto. Ang panghuling pagsusuri at desisyon sa karagdagang pagsusuri ay pagmamay-ari ng audiologist/manggagamot.
- Ipatupad ang obligasyon sa pag-abiso. Magsagawa ng abiso sa kalusugan ng trabaho at mga proseso ng proteksyon, lalo na sa mga kaso ng pagkalugi na nakita sa lugar ng trabaho.
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Ang mga sumusunod na sanggol ay may mga resulta ng OAE, sabihin sa akin kung alin ang mga bingi: [listahan]
Nangangailangan ito ng tumpak na diagnostic na wika tulad ng "bingi," binabalewala ang pagkakaiba ng screening-diagnosis, at binabalewala ang panganib ng mga maling negatibo.
Napakahusay na prompt:
Ang iyong tungkulin: pre-screening assistant na nag-aayos ng mga resulta ng screening. HUWAG GUMAWA NG DIAGNOSIS; Paalalahanan ako na ang isang "pass/fail" screening ay hindi isang diagnosis. Data (anonymous, na may sequence number): [pass/fail list + notes if any]Gawain: (1) unahin ang mga "fail", (2) hiwalay na markahan ang "pass" ngunit hindi nakatala (paghinala ng pamilya, atbp.), (3) isulat ang inirerekomendang susunod na hakbang para sa bawat grupo. Sabihin na ang panghuling diyagnosis at karagdagang desisyon sa pagsusuri ay nasa audiologist/doktor.
Ang malakas na kahilingan ay hindi nagpapakilala, pinapanatili ang pagkakaiba ng screening-diagnosis, isinasaalang-alang ang maling negatibo, at ipinauubaya ang desisyon sa eksperto.
tatlong mini case
Kaso 1 — Priyoridad. Ang isang screening unit ay may 120 bagong panganak na resulta; 8 "kaliwa". Ibinibigay ng audiologist ang anonymous na listahan sa artificial intelligence at na-edit ang listahan ng pagsubaybay. Ang AI ay naghihiwalay ng 8 kaso ng "fail" at 3 kaso na may tala ng "pass, ngunit mayroong family history ng pagkawala ng pandinig." Sinusundan ng espesyalista ang 11 sanggol. Na-edit ng AI ang 120 na linya sa loob ng ilang minuto; Ang panganib ng pagkidnap ay nabawasan.
Kaso 2 — Maling negatibong pagkuha. Sa screening ng paaralan, ang isang 9-taong-gulang na bata ay nakatanggap ng "pass" sa purong screening ng tono, ngunit nabanggit ng guro na "inuulit niya ito sa lahat ng oras at hindi ito naririnig kapag tinawag mula sa likuran." Ini-scan ng audiologist ang tala na ito sa artificial intelligence gamit ang filter na "Mayroon bang anumang mga sintomas sa pangkat ng pass?" Ang bata ay kinuha para sa karagdagang pagsusuri at isang bahagyang kulot na pagkawala ay nakita. Hindi na-override ng numerical na "passed" ang clinical symptom.
Kaso 3 — Pagkiling sa lugar ng trabaho. Mayroong taunang noise audiometry ng 50 manggagawa sa isang pabrika. Humihingi ang eksperto ng isang sketch na naghahambing ng mga hindi kilalang halaga sa nakaraang taon. Ang YZ ay nagmamarka ng 5 manggagawa na nagpapakita ng makabuluhang pagbabago sa threshold sa 4000 Hz. Ire-refer sila ng espesyalista sa pagsusuri sa diagnostic at pagsusuri ng personal na kagamitan sa proteksyon; Sinisimulan ang proseso ng abiso sa kalusugan ng trabaho.
Nakokopya na mga template ng prompt
TEMPLATE NG PRIORITIZATION NG SCREEN LISTHatiin ang sumusunod na hindi kilalang mga resulta ng screening sa tatlong grupo: (1) follow-up na priority ("fail"), (2) review dahil sa grade/doubt ("pass" + indication), (3) routine. Ang screening ay hindi diagnosis, hindi ito isang tiyak na diagnosis. Data: [listahan]
FALSE NEGATIVE FILTER TEMPLATERrecords na may "Pass" na resulta ngunit may sintomas/paghinala ng pamilya/development note ay lalabas bilang isang hiwalay na listahan at isulat kung bakit mo inirerekomenda ang follow-up. Data: [pass group + notes]
TEMPLATE SA PAGHAHAMBING SA LUGAR NG TRABAHOIhambing ang mga threshold ng audiometry ng ingay ngayong taon at noong nakaraang taon para sa mga sumusunod na anonymous na code ng manggagawa; Markahan ang mga nagpapakita ng makabuluhang pagkasira (lalo na ang 3000-6000 Hz). Ang desisyon at abiso ay pagmamay-ari ng eksperto. Data: [mga halaga]
TEMPLATE NG PAMILYA/KAUGNAY NA IMPORMASYON Sumulat ng talatang nagbibigay-impormasyon sa simpleng Turkish na may mensaheng "Ang screening ay hindi isang diagnosis, ang pagpasa ay hindi nagbibigay ng panghabambuhay na garantiya, ang pananatili ay hindi nangangahulugang bingi." Huwag lumikha ng pagkabalisa, maging makatotohanan, bigyang-diin ang kahalagahan ng pag-follow-up.
Mga karaniwang pagkakamali
- Nagkamali sa pag-scan para sa diagnosis. Pagpapakita ng "pass/fail" na resulta bilang isang tiyak na diagnosis.
- Nakakalimutan ang maling negatibo. Tinatanaw ang mga sintomas na kaso sa pangkat na "Nakapasa."
- Maling pagtitiwala sa pamilya. Pagsasabi ng "Pass = walang problema"; Hindi pinapansin ang mga posibilidad tulad ng auditory neuropathy.
- Pag-bypass sa obligasyon sa notification. Hindi pag-uulat ng pagkawala na nakita sa lugar ng trabaho sa proseso ng kalusugan ng trabaho.
- Pagpasok ng data ng pagkakakilanlan sa sasakyan. Pagbibigay ng pagkakakilanlan ng sanggol/manggagawa sa artificial intelligence nang hindi ito ina-anonymize.
Sa buod
Ang screening ay isang pag-aalis na nag-aalis ng mga potensyal na problema at nagdidirekta sa kanila sa diagnostic na pagsusuri; Ito ay hindi isang diagnosis. Ang AI ay isang mahusay na pre-screener para sa pag-uuri sa maraming mga resulta at pagbibigay-priyoridad sa mga nangangailangan ng follow-up, ngunit hindi nito ganap na mapipigilan ang mga maling negatibo. Kung may mga sintomas sa kabila ng "Pass", desisyon ng espesyalista na mag-follow up, at kung "Fail", ang karagdagang pagsusuri ay ang desisyon ng espesyalista; Ang mga obligasyon sa abiso at proteksyon ay dapat ipatupad sa mga kaso ng pagkalugi na nakita sa lugar ng trabaho.
Gawain ng aplikasyon
Maghanda ng anonymous, ginawang listahan ng screening (hindi bababa sa 15 linya, pumasa/fail, at sintomas na tala sa ilan). Bigyan ang AI ng dalawang listahan na may mga template na "prioritization" at "false negative filter". Pagkatapos ay suriin ito nang manu-mano: mayroon bang linya na napalampas o na-overmark ang AI? Gumawa ng talata ng impormasyon para sa pamilya gamit ang template na "impormasyon ng pamilya" at itama ito para sa pagmamalabis/under-assurance.
checklist
- [ ] Ibinigay ko ang mga resulta ng pag-scan nang hindi nagpapakilala at nakabalangkas.
- [ ] "Nabigo" at inuna ko ang pagsunod sa mga nasa hangganan.
- [ ] Sinuri ko nang hiwalay ang mga sintomas na kaso sa pangkat na "Nakapasa."
- [ ] Ipinaubaya ko sa espesyalista ang panghuling pagsusuri at pagpapasya sa karagdagang pagsusuri.
- [ ] Naobserbahan ko ang obligasyong abiso/proteksyon sa konteksto ng lugar ng trabaho.
- [ ] Isinulat ko ang impormasyon ng pamilya sa isang makatotohanan at hindi nababalisa na wika.