收益：
- 了解参考范围取决于年龄、性别、方法和人群，并能够用自己实验室的范围验证人工智能的一般范围
- 使用人工智能对测试结果进行清晰的初步解释，并能够提供专家的临床解释和最终决定。
- 能够在解释前发现恐慌值、单位不一致和缺乏临床背景等陷阱
如果没有参考范围，实验室结果几乎毫无意义。单独“铁蛋白18”既不高也不低；仅对“18 ng/mL，女性参考值 15-150”信息有意义。结果解释是将数字置于上下文中的艺术：正确的参考范围、正确的单位、正确的年龄-性别组以及患者的临床状况。人工智能可以成为这种解释的强大生成器 - 但这是最危险的错误发生的地方，因为人工智能能够流畅地提供“普遍接受的”参考范围，而该范围可能与您实验室的验证范围不同。
在本单元中，您将学习如何安全地使用人工智能作为助手，以可理解的方式预先解释结果；我们将引导您在解释之前了解如何捕获参考范围、单位和临床背景陷阱。基本原理不变：人工智能生成初步解释稿；专家决定公布临床解释和结论。
为什么参考范围不能“通用”
参考区间是被认为健康的参考人群中分析物的中心 95% 值分布。这个定义中隐藏了许多变量：
- 年龄：许多分析物的范围在新生儿、儿童、成人和老年人中是不同的。由于骨骼生长，儿童的碱性磷酸酶（ALP）比成人高得多；不了解这一点的人可能会认为孩子的正常ALP“高”。
- 性别：血红蛋白、铁蛋白、肌酐、尿酸等分析物在男性和女性中具有不同的范围。
- 方法和装置：相同的分析物通过不同的测量方法可能给出不同的数值范围。因此，每个实验室根据自己的设备和人群来验证参考范围。
- 生理状态：怀孕、饥饿/饱腹感、一天中的时间（例如皮质醇）会影响结果。
所以经验法则是这样的：AI给出的参考范围是初步信息，而你自己实验室的认证范围才是真实的。当两者发生冲突时，以你自己实验室的为准。
注意：询问AI“这个值正常吗？”由于参考范围的差异，根据答案询问和解释报告会产生系统误差。首先根据提示给出您实验室的范围，然后征求意见。
一步一步：安全结果解释流程
- 明确单位。相同的分析物可以用不同的单位报告（葡萄糖 mg/dL 或 mmol/L；钙 mg/dL 或 mmol/L）。明确地给AI单位并检查它是否已经转换。
- 提供您自己的参考范围。在提示中添加年龄、性别和实验室范围。不要让AI适应范围来自于它自己的记忆。
- 给出临床背景。诊断、药物、怀孕、禁食状态等信息可以完全改变解释。
- 标记紧急/临界值。在开始评论之前检查关键阈值；如果存在临界值，则优先通知而不是评论。
- 过滤草稿。阅读人工智能生成的评论，软化确定性语言，消除诊断含义，并添加注释“咨询您的医生”。
下表总结了常见的参考间距陷阱：
陷阱
例子
正确的方法
年龄失明
将儿童高 ALP 误认为“异常”
使用年龄特定范围
性别失明
用男性范围解释女性铁蛋白
使用特定性别范围
单位干扰
将 5.5 mmol/L 葡萄糖误认为 mg/dL
清楚地写明单位
方法差异
将一般范围应用于您自己的设备
验证实验室范围
缺乏背景
妊娠期 TSH 的一般范围解读
添加生理状态
解释的局限性：结果不是诊断
实验室结果是一个证据，而不是诊断本身。 CRP（C反应蛋白，炎症标志物）高并不意味着“有感染”；炎症可能有多种原因。筛查试验呈阳性并不表明患有明确的疾病；需要进行验证性测试和临床评估。在解释结果时，AI可以很容易地做出精确且不正确的句子，例如“这个值表明疾病X”。您的工作是将这种语言简化为“该值可能与 X 兼容，但诊断是通过临床评估做出的”。解释和诊断之间的界限是实验室伦理的核心。
弱提示/强提示
弱提示：
血红蛋白10，铁蛋白8。这意味着什么，患者患有什么疾病？
这个请求没有单位，没有年龄性别，没有参考范围，直接要求诊断“什么病？” ——将人工智能推向医生的角色，并带来明确的、错误的答案。
强力提示：
您的角色：协助实验室专家准备预解释草案。诊断;使用“可能”的语言；添加指导患者去看医生的注释。患者：34 岁女性，未怀孕，月经正常。结果（以我们的实验室参考）：- 血红蛋白 10.2 g/dL（参考女性 12.0-15.5）- 铁蛋白 8 ng/mL（参考女性 15-150）- MCV 74 fL（参考 80-100）任务：向患者解释此图片用通俗易懂的语言写出大纲；进行扣除；说明哪些信息需要临床评估。
强烈的提示给出了单位和参考，添加了临床背景，界定了角色，并要求使用“可能”的语言。
三个迷你箱子
案例1——正确使用。一名34岁女性患者，专家在上述强烈提示下，给出了YZ的Hb 10.2 g/dL、铁蛋白8 ng/mL、MCV 74 fL的值。 YZ 提出了一个清醒的概述：“低铁蛋白和低 MCV 可能与缺铁性贫血相符，但诊断是由医生评估做出的。”专家与自己实验室的参考范围进行验证并批准草案。持续时间：2 分钟而不是 8 分钟。
案例 2 — 参考范围陷阱。另一位专家向 YZ 询问 5 岁儿童的 ALP 320 U/L 值，但没有具体说明年龄。 YZ 假定成人范围（大约 40-130 U/L），并将结果解释为“显着高，应考虑肝脏/骨骼病理学”。然而，对于 5 岁儿童，由于 ALP 骨骼生长，320 U/L 可能接近正常值。该评论不正确，因为没有给出年龄。教训：始终在提示中输入年龄。
情况 3 — 单位干扰。技术人员将葡萄糖 5.5 值提供给 AI，没有单位。 YZ 假设为 mg/dL，并表示“明显低血糖”；而数值为 mmol/L，5.5 mmol/L（约 99 mg/dL）是完全正常的。由于没有指定单位，因此产生了严重的误解。教训：没有单位，数字就无法解释。
可复制的提示模板
预解读草案模板 角色：协助实验室专家准备预解读草案。指导：做出诊断；使用“可能/可能兼容”的语言；在每条评论中，注明您假设的参考范围；避免明确的陈述；在末尾添加注释：“诊断是通过临床评估做出的，请咨询您的医生。”患者：[年龄、性别、相关临床信息]。结果（以我们单位+实验室参考）：[列表]。
参考范围验证模板对于以下每种分析物：使用我提供的实验室参考范围；不要从自己的记忆中添加范围。说明是否适合年龄和性别。如果存在未给出范围的分析物，请将其标记为“[需要实验室范围]”，不要猜测。分析物：[列表]。
单位一致性模板检查下面结果的单位。如果缺少单位，请键入“[需要单位]”。如果进行转换，请显示源单位和目标单位以及乘数；写下中间步骤，以便我重新计算结果。结果：[列表]。
患者语言简化模板 将以下技术评论翻译成未经医疗培训的患者可以理解的简单土耳其语。不要使用恐惧/恐慌的语言，不要暗示明确的诊断，以“咨询您的医生进行评估”结尾。技术评论：[文字]。
常见错误
- 依靠AI的参考范围。总体范围可能不是您的设备/人群的范围；把自己的价值奉献给母亲。
- 跳过年龄和性别。儿童、老人、孕妇和性别差异完全改变了许多分析物的范围。
- 不指定单位。相同的数字在不同的单位具有完全不同的临床意义。
- 确认诊断语言。如果不更正“这个值是疾病 X”这句话，就会混淆解释和诊断。
- 在评论中嵌入恐慌值。如果存在临界值，则优先考虑的是快速通知，而不是评论（第 4 单元）。
提示：在阅读评论草稿时进行“确定性搜寻”：查找“表明”、“证据”、“诊断”等词语，并将每个词替换为“可能兼容”、“可能建议”、“需要评估”。微小的语言差异是很大的道德差异。
综上所述
结果解释是将数字与正确的参考范围、正确的单位、正确的年龄-性别和临床背景相匹配的任务。人工智能可以快速生成本次会议的大纲，但假设参考范围是通用的，省略单位或使用诊断语言将导致严重错误。安全流程：澄清单位、提供自我参考、给出临床背景、标记临界值、过滤草稿。结论是一个证据；诊断是通过临床评估做出的，发布解释的决定权属于专家。
应用任务
从您的（或样本）报告中选择三个异常参数。对于每个，请写下 (1) 您实验室验证的参考范围，(2) 单位，(3) 年龄-性别和生理状态（如果有）。然后用“预解读稿”模板创建提示，将其打印出来，并通过执行“精确搜索”来纠正带有诊断含义的每个句子。最后，将解释简化为患者语言。
清单
- [ ] 我已经清楚地说明了每种分析物的单位。
- [ ] 我根据提示给出了自己实验室经过验证的参考范围。
- [ ]我添加了年龄、性别和生理状态（怀孕、饥饿等）。
- [ ] 我首先检查了它，看看是否存在关键/恐慌值。
- [ ] 我把AI的诊断语句翻译成了“可能/兼容”的语言。
- [ ] 我添加了注释“咨询您的医生”并作为专家批准了该评论。