收益：
- 能够在人工智能支持下对单个病例进行端到端筛查、诊断测试、设备选择、验配和后续阶段
- 能够映射哪些决策属于人工智能、哪些决策属于专家以及每个阶段的验证点
- 能够通过端到端质量和隐私检查表来控制工作流程
在这最后一个单元中，我们将把您在整个模块中学到的所有内容结合到一个耐心的旅程中。目的是让您了解如何在听力学工作流程的每个阶段正确使用人工智能，并在每个阶段清楚地回答“哪个决策属于人工智能，哪个决策属于专家”的问题。主要原则还是：人工智能是一个彻头彻尾的助手、预筛选器和草稿生成器；诊断、设备处方、验配决定、临床解释和所有安全关键决策均属于专家，必要时由医生在核实后做出。
我们的案例（匿名）
一名62岁的男性患者提出申请，抱怨“去年以来，我一直很难理解对话，尤其是在拥挤的环境中，而且我把电视的音量调得太大了。”退休前，他在喧闹的生产环境中工作了多年。我们将从筛查/预评估到随访跟踪该患者。 （所有数据都保存在企业系统中；只有匿名摘要会发送给人工智能。）
分步工作流程
1. 病史及初步评估
听力学家向人工智能询问一系列适合此情况的历史问题（噪音暴露、药物、家族史、耳鸣、平衡）。 AI的作用：提醒问题列表。专家判断：哪些问题适用于该患者以及答案的解释。
2.听力图和导抗
进行测试： 左右两侧有高频主导、对称、中度感音神经损失；双耳的 A 型鼓室图。听力学家以匿名和结构化的形式给出人工智能的阈值，并收到类型级别的大纲。 AI作用：预解读稿。专家判断：通过校准测量进行验证，检查是否需要掩蔽，最终解释。
提示：由于该患者的双耳是对称的，因此掩蔽困境是有限的；但应该养成自己阅读和验证的习惯，而不是盲目相信AI草稿。
3. 耳鸣/平衡红旗筛查
患者描述有轻度、双侧、持续性耳鸣；无突发性听力损失、单侧性、搏动性特征或头晕。听力学家运行红旗过滤器；没有紧急标志。 AI的作用：对危险信号问题进行排序。专家判断：紧急评估和管理。
4、设备选型
患者很活跃，经常使用手机，具有良好的手动灵活性，中等预算。听力学家订购了一份带有匿名个人资料的无品牌比较表。 AI角色：类型/特征比较和现实期望呈现。专家判断：最终器械处方。
5.验配和REM
该器件使用目标 NAL-NL2 进行编程；第一次调整后，患者说：“我自己的声音有点奇怪。”听力学家将投诉转化为人工智能并获得可能的方向，然后根据目标测量快速眼动和实际输出并纠正设置。人工智能的作用：将投诉翻译成设定语言。专家判断：REM测量和最终设置。
6.患者教育
听力学家让患者收到人工智能提供的个性化、语言通俗易懂的“前两周习惯”小册子；纠正夸大的承诺句子。 AI角色：起草材料。专家判断：准确性和确认性。
7. 报告
调查结果整理成稿，禁止捏造；听力学家将每一行与源数据进行比较并签名。人工智能的作用：报告草稿。专家判断：验证并签字。
8. 随访（远程诊断学）
一个月后，人工智能会汇总来自设备应用程序的匿名使用数据（每天约 6 小时，主要是嘈杂的环境）；病人说：“我在餐厅还是过得不好。”听力学家不会直接实施建议，而是与患者讨论设置并批准。 AI作用：趋势总结。专家判断：设定确认。
决策图
舞台
人工智能的作用
专家决策
验证点
病历
问题清单
评论
临床过滤器
听力图
预评稿
类型/程度
校准测量
红旗
问题排序
紧迫性
临床评价
设备选型
比较
处方
诊所+患者需求
配件
投诉翻译
最后设置
快速眼动睡眠
教育
材料稿
批准
可读性+准确性
报告
草案
签名
来源对比
追踪
趋势总结
设定确认
患者 + 必要时进行测量
弱提示/强提示
弱提示：
管理该患者的整个过程：诊断、选择设备、进行设置、撰写报告、完成。
它将所有端到端的临床决策委托给人工智能；它完全绕过验证、测量和专家验证。
强力提示：
您的角色：端到端流程助理。在任何阶段都不要做出诊断/处方/验配决定；对于每个步骤，(1) 绘制一个您可以提供帮助的草图，(2) 指出您的决定和验证点。病例（匿名）：62岁，有噪音史，在人群中听不懂。任务：病历、预解释、危险信号、设备比较、配件故障排除、培训、报告、跟进。分别列出每个后续步骤的辅助打印输出和验证步骤。
强烈的意志将各个阶段分开，将决策和验证留给专家，让人工智能仅仅充当助手。
三个迷你案例（同一患者，三个关键时刻）
案例时刻 1——验证的价值。在听力图大纲中，AI 将听力损失归类为“轻度”；当专家重新计算平均值时，他发现它是“中等”——人工智能错误地衡量了一些频率。这10 dB的差异会影响设备技术水平的决定。如果没有验证，就会报告错误的类。
事件时刻2——幻觉。在报告草案中，AI增加了“言语辨别得分92%”；然而，该测试尚未进行。专家在源比较中发现了这一点，并写下了“[无口语测试]”。签名前捕获的一行可以保持报告的有效性。
事件时刻 3——隐私。在后续阶段，助理即将输入患者姓名和设备序列号以进行AI摘要；该规则被记住，数据被匿名为“62 岁，RIC 设备，每天约 6 小时”。临床决定不会改变，患者受到保护。
可复制的提示模板
端到端角色图模板在以下案例的每个阶段（病历、预解释、危险信号、设备、拟合、培训、报告、随访）中以表格形式列出人工智能的作用以及专家的决策和验证点。不要决定，只是map.Case（匿名）：[case]
相变控制模板我正在完成以下阶段：[阶段]。在进入下一阶段之前，给出需要验证的要点清单（测量、专家批准、来源比较）。
质量 + 隐私审核模板在两个标题下审核此端到端工作流程：(1) 每个临床决策是否经过验证和专家批准，(2) 是否在任何阶段输入身份数据。标记丢失的。直播摘要：[摘要]
案例摘要匿名化模板从下面的案例摘要中，删除任何可能识别该人的元素，并将其转换为临床上充分的、匿名的教育/演示摘要。摘要：【案例】
常见错误
- 跳过舞台。通过验证点，提前进入下一阶段。
- 依靠单一输出。将人工智能的某一阶段草案作为后续决策的依据，而无需验证。
- 忘记决策图。不要在每个阶段都重新质疑哪个决定属于专家。
- 放松阶段之间的隐私。在跟踪或报告中忽视匿名化。
- 意思是“从头到尾管理”。编写一个命令，将整个过程交给人工智能。
综上所述
听力学工作流程；这是一个从病历延伸到后续的链条，人工智能可以在每个阶段提供帮助，但决定权属于专家。人工智能通过起草、提醒、预筛选，节省每个阶段的时间；然而，诊断、处方、验配和临床解释均由专家负责，必要时由医生核实后进行。每个阶段都有一个验证点，对整个过程进行质量和隐私审核。未经验证的输出与未经签名的报告一样无效。
应用任务
根据您自己的实践构建一个匿名案例，并使用“端到端角色图”模板绘制人工智能的角色、专家的决策以及八个阶段中每个阶段的验证点。然后使用“质量+隐私审核”模板审核您的流程：验证是否在某处缺失，身份数据是否在某处泄露？用一句话写下你将如何弥补你发现的每一个差距。
清单
- [ ]我把人工智能的作用和每个阶段专家的决策分开了。
- [ ] 我为每个阶段定义了一个验证点。
- [ ] 我使用源/测量结果验证了关键输出，例如听力图/报告。
- [ ] 我在一般操作之前运行了红旗扫描。
- [ ] 我在所有阶段都将患者数据保持匿名。
- [ ] 我审核了端到端流的质量和隐私。
模块考试
1. 听力学家将人工智能产生的听力图解读传输到患者的报告中，而不进行检查。这种方法的根本错误是什么？
- a) 人工智能输出未经验证不得使用；意见草案必须经过专家审查和批准 ✔
- B) 人工智能给出的听力图解释总是比实际情况更糟糕
- C) 仅应报告数字阈值而不是注释
- D) 报告应以纸质形式而非电子邮件形式提供给患者。
解释：虽然人工智能可以产生正确的解释，但它也可能错误地假设听力损失的类型、程度或掩蔽的需要，并以相同的置信度产生错误的解释。听力学是一个安全至关重要的领域；每个输出都必须经过校准和专业验证，诊断和最终批准必须由人工完成。
2. 听力图显示气导阈值和骨导阈值之间存在显着差距（气-骨间隙）。这一发现通常表明什么？
- A) 可能存在导电成分（源自外耳/中耳）。
- B）肯定存在永久性神经性听力损失
- C) 可能是传导型元件；然而，临床评估明确了类型✔
- D) 证明设备的校准被破坏
解释：气道阈值较差，而骨导（内耳/耳蜗功能）接近正常，则表明外耳/中耳的声音传导存在问题，即存在传导成分。人工智能可能会在草图中指出这一点，但通过临床评估，类型区别及其原因会变得清晰。
3. 在新生儿听力筛查中，婴儿的 OAE 测试结果为“通过”。家人说：“这意味着我的孩子不会有任何听力问题。”最好的方法是什么？
- A) 是的，如果通过筛查，以后就不可能出现听力问题
- B) 扫描显示当前状态；随访和症状监测对于以后可能发生的损失很重要✔
- C) 测试可能不正确，应立即插入设备
- D) 扫描结果不可靠，不应考虑
说明：筛查测试不是诊断； “通过”结果表示当前扫描不存在重大问题，并且不保证终生听力。有些听力损失可能会在以后发生，或者可能是 OAE 无法检测到的类型（例如听神经病变）。应以通俗易懂的语言向家人解释这一限制。
4. 在鼓室导抗测试中，获得平滑的曲线（B 型）和正常的耳道容积。人工智能解释了这一点。专家的主要评估应该是什么？
- A) 可能表明中耳有问题（例如积液）；必要时结合临床检查和耳鼻喉科✔
- B) 耳膜上肯定有一个洞
- C) 结果正常，无需采取任何措施
- D) 应直接向患者开具助听器处方
描述：平坦（B 型）鼓室导抗图且耳道容积正常，提示中耳积液或中耳动力下降，通常需要耳鼻喉科评估。 AI蓝图是一个开始；鼓室导抗图本身并不能做出诊断；它与临床检查和病史相结合。
5. 一位在助听器选择方面咨询人工智能的专家注意到，输出始终突出显示特定品牌。在这种情况下最好的态度是什么？
- A）那个品牌肯定是最好的，因为它是人工智能推荐的
- B）最昂贵的设备总是最好的选择
- C) 设备选择应完全留给人工智能
- D) 品牌导向可能是数据偏差；选择应基于患者的客观需求✔
解释：人工智能输出可能反映训练数据中的偏差，商标指导可能基于数据偏差而不是患者的最大利益。应根据听力损失情况、生活方式、灵活性和预算等客观标准来选择设备；患者的需求，而不是品牌，才是决定因素。
6. 在助听器编程（验配）过程中，人工智能会推荐一定的增益值。在临床上验证此建议的最可靠方法是什么？
- A) 问病人“他还好吗？”问一下就够了
- B）信任并保存人工智能的推荐
- C) 通过真耳测量 (REM) 验证是否达到处方目标 ✔
- D) 保留设备包装盒中的出厂设置
描述：真耳测量（REM，真耳测量）测量设备在患者自己的耳道中产生的实际输出，并指示是否已达到处方目标（例如 NAL-NL2）。 AI或软件的默认值不能替代真耳声学；验证是通过 REM 完成的。
7. 一位患者描述了新发的、迅速加重的听力损失和一只耳朵的单侧耳鸣。人工智能建议一般的“耳鸣管理”材料。专家应该优先考虑什么？
- A) 提供一般耳鸣材料并送患者回家
- B) 尝试直接销售助听器
- C) 认识到这可能是一个危险信号，需要紧急转诊并立即引导患者去看医生 ✔
- D）建议等待几个月并让它自行消失
描述：突发性/单侧听力损失和单侧耳鸣是危险信号，需要立即进行医疗评估（例如，突发感音神经性听力损失是一种需要早期治疗窗口的疾病）。人工智能的总体背景不应掩盖这种紧迫性；应立即将患者转诊给医生。
8. 听力学家使用人工智能为患者制作通俗易懂的教育手册。人工智能在材料中指出，“这个设备完全让你的听力恢复正常。”正确的修复方法是什么？
- A) 这句话是正确的，应该保持原样。
- B) 该句子造成了夸大且不切实际的期望；应该翻译成现实的“帮助治愈”语言✔
- C）应该添加更强烈的承诺，以便让患者信服
- D) 小册子应完全用技术术语编写。
说明：助听器并不能“完全正常化”听力；有助于显着改善听力和沟通能力。夸大的承诺会给患者带来不切实际的期望，也是不道德的。材料应该用现实和诚实的语言重写。
9、在起草听力学报告时，人工智能捏造了专家没有给出的“声反射结果”。这种情况叫什么？如何预防？
- A) 幻觉；通过“仅从我提供的数据写入，如果丢失则标记[无数据]”指令和签名前源检查来防止✔
- b) 标定误差；通过重新启动设备来阻止
- C) 正常行为；报告可以逐字记录
- D) 网络问题；通过纠正互联网连接来防止
解释：当人工智能产生未给出的发现时，称为幻觉。他的预防措施是明确要求模型仅根据提供的实际测量数据进行写入，将缺失的数据标记为“[无数据]”，而不进行预测/拟合。每个报告在签名前都应与源数据进行比较。
10. 听力学家将患者的姓名、身份证号码和完整听力图粘贴到公共云 AI 工具中并请求评论。这种行为的主要问题是什么？
- A) 没问题，人工智能可以保证数据的私密性
- B) 他应该发送整个文件，而不仅仅是听力图
- C) 唯一的问题是评论来得很慢
- D) 身份数据已发送至公共工具；这是违反 KVKK 的行为，数据应匿名并应使用安全车辆 ✔
说明：将直接识别个人身份的数据（姓名、TR ID 号）发送到公共工具是对 KVKK 和患者隐私的严重侵犯。正确的方法是对数据进行匿名化（删除识别信息），使用公司/安全工具，并仅共享必要的临床数据。
11. 在远程听力学（远程监控）中，人工智能根据患者助听器应用程序的使用数据生成调整建议。在实施此建议之前应该做什么？
- A) 建议应立即自动应用于设备
- B) 建议应经过专科医生的临床评估确认，并与患者的投诉和个人资料一起批准✔
- C) 使用数据不可靠，应完全忽略
- D）患者自己需要用人工智能改变设置
说明：远程使用数据是一个有价值的线索，但设置决策需要专家的临床判断。该建议应根据患者的实际主诉、听力情况以及必要时的新测量结果进行确认；未经专家批准，不得永久更改设备设置。
12. 以下哪项是人工智能在听力学中应用的最准确的通用框架？
- A）人工智能可以做出包括诊断和处方在内的所有决策，不需要专家
- B）人工智能在听力学中没有用处，不应该使用
- C）如果人工智能输出正确，甚至不需要患者同意
- D) 人工智能是助手和草稿生成器；诊断、处方和验配决定均由专家核实后✔
描述：人工智能作为听力学助手、预筛选器和草图生成器节省了时间；然而，诊断、设备处方、验配决定和临床解释属于有能力的专家。输出应通过校准测量和临床评估进行验证，并且人工批准在安全关键决策中至关重要。
13. 纯音测听中什么时候需要掩蔽？人工智能在这里的作用是什么？
- A) 不需要遮蔽；人工智能决定了这一点
- B) 仅儿童需要佩戴口罩
- C) 屏蔽是一个完全由人工智能自动执行的过程。
- D) 如果耳朵之间的差异足够大，导致交叉听力，则有必要； AI或许可以提醒，但还是要由专家来决定✔
解释：当两耳的阈值差异大到足以导致声音穿过头骨传到未测试的耳朵（交叉听）时，就需要掩蔽；否则阈值可能属于错误的耳朵。 AI可能是一个控制助手，提醒你需要屏蔽，但屏蔽的决定和实施是基于专家的校准测试。
14. 在工作场所噪声扫描中，人工智能可以快速对工人的结果进行分类，并标记需要跟进的结果。这种用法的正确限制是多少？
- A) 人工智能有助于确定后续优先级；然而，筛查不是诊断，诊断指导和责任属于专家✔
- B) 人工智能可以直接诊断工人并签署报告
- C) 若扫描结果经人工智能确认，则无需验证
- D）隐私规则在工作场所筛查中并不重要
描述：人工智能是一种有用的预筛选器，可以优先考虑筛选列表中需要跟进的内容；但筛查并不能起到诊断作用，也不能完全防止假阴性（漏检病例）。指导听力损失工人进行诊断评估、通知和保护义务是专家和职业健康流程的责任。