收益：
- 能够通过校准测量而不是人工智能草图来验证听力图的基本组成部分（dB HL、频率、气导/骨导、掩蔽）以及听力损失的类型和程度
- 能够向人工智能提供结构化格式的听力图数据，生成安全的初步解读草案，并将诊断语言翻译成专家语言
- 能够在提示之前发现常见的听力图解读陷阱（掩蔽困境、气骨间隙、配置盲目性）
听力图是听力学家最常查看的文档。听力图是按频率绘制患者听力阈值（他们能听到的最低声音强度）的图表：横轴是频率（音调，以赫兹为单位 — Hz，通常为 250–8000 Hz），纵轴为强度（声音响度，听力水平以分贝为单位 — dB HL）。该图从上到下阅读：阈值越低（dB HL 数越大），听力损失越大。在本单元中，我们将学习如何使用人工智能作为听力图解释的草稿生成器，但为什么您应该始终通过校准测量和临床眼睛来验证最终解释。
主要原理是这样的：AI可以为你起草一份简洁、易读的前解说；然而，通过校准的设备数据和专家评估，听力损失的类型和程度以及掩蔽的需要变得清晰。正确的方法不是告诉人工智能“解释”听力图，而是说“从我给出的数字中会出现一个规则的轮廓，我会验证它。”
听力图的基本组成部分
让我们澄清一些概念，以正确阅读听力图；在将它们交给人工智能之前，你必须在自己的头脑中理解它们中的每一个。
气道（HY）：声音通过耳机或扬声器进入外耳，测试整个听觉通路（外耳-中耳）。在听力图上，通常将右耳标记为“O”，左耳标记为“X”。
骨传导（BO）：将振动头（骨振动器）放置在耳后的骨头上；声音绕过外耳和中耳，直接测试耳蜗（内耳的听觉器官）。听力图上通常用“<”和“>”标记。
气骨间隙（AAC）：气道阈值明显比骨间隙差。这个范围表明外耳/中耳的声音传输存在障碍，即存在传导成分（源自外耳/中耳）。
掩蔽：在测试一只耳朵时，当声音通过头骨传到另一只（未测试的）耳朵时，称为交叉听。如果两只耳朵的阈值之间的差异足够大而导致这种情况，则通过将噪声引入未测试的耳朵中来“掩盖”，使得阈值实际上属于被测试的耳朵。
注意：未在需要时执行掩蔽的听力图可能会在错误的耳朵中显示阈值。人工智能会按原样解释您给出的数字；您必须确保并验证是否执行了屏蔽。
听力损失的类型和程度
听力图主要告诉您两件事：听力损失的类型和程度。
类型告诉我们损失在哪里。如果空气传导和骨传导一起较差并且没有间隙，则考虑感音神经性（内耳/神经起源）类型。如果气道较差（有间隙）而骨导接近正常，则考虑传导型。如果两者在一起，就是混合型。
等级描述了损失的程度，通常根据平均阈值进行分类（正常、轻度、中度、中度-重度、重度、非常重度）。下表提供了一个通用框架；但是，请依赖您所在机构使用的阈值范围和当前的指导。
学位
近似阈值范围（dB HL）
可能对日常生活造成影响
正常
≤20
无明显困难
轻量级
21–40
难以轻声/远距离说话
中等
41–55
正常说话有困难
中高级
56–70
需要大声说话
下一步
71–90
没有设备的沟通非常困难
太远了
> 90
设备/植入物评估
人工智能可以提醒你这个分类；但对哪些频率进行平均、校准的有效性和测试的可靠性（患者合作、适合儿童年龄的方法）是您的责任。
一步一步：利用人工智能进行安全的听力图预判读
- 构建数据。匿名列出右/左、气/骨传导阈值，逐个频率，以 dB HL 为单位。
- 指定屏蔽状态。添加哪些阈值被屏蔽；如果缺失，请写下“应评估屏蔽”。
- 限制角色。告诉人工智能“不要做出诊断；只需根据我给你的数字概述类型和程度，不要使用精确的语言。”
- 拿到草稿并验证。将生成的类型/程度解释与您自己的读数和设备数据进行比较。
- 与临床背景相结合。与病史、耳镜检查、鼓室导抗测试和言语测试相结合。
- 使用专家语言。将草稿转换为适合报告/患者语言的经过验证的声明。
弱提示/强提示
弱提示：
该患者的听力图很差，右耳在60左右。我需要什么类型的损失设备？
不完整和非结构化数据，直接诊断和设备决策请求，无掩蔽和骨导信息。人工智能被迫弥补差距。
强力提示：
您的角色：助理起草听力学家的预解释。做出诊断；只需根据我给出的数字起草类型和程度，使用“可能”的语言，将缺失的数据标记为[无数据]。 1000=30、2000=45、4000=50屏蔽：已应用。左耳：[无数据]。任务：画出右耳可能的类型（范围？）和程度，需要进行哪些额外的测试来确认。声明决定由听力学家决定。
强提示给出结构化数据，设定角色和边界，防止捏造，并要求验证。
三个迷你箱子
案例 1——抓住差距。听力学家将右耳 HY 1000 Hz = 50 dB、KY 1000 Hz = 15 dB 的数据提供给人工智能。 YZ 概述“气骨间隙约为 35 dB，可能是传导型成分；应通过耳镜检查和鼓室导抗测试来确认。”专家将其与耳镜检查和鼓室测量相结合，指导患者进行中耳评估。 AI加速了草案，决定权仍在专家手中。
案例 2 — 屏蔽警告。听力测定师输入右耳数据 4000 Hz = 20 dB，左耳输入相同频率 = 80 dB，并指出未应用掩蔽。 AI提醒，这种差异可能会导致听力交叉，左耳阈值在没有掩蔽的情况下不可靠。专家通过掩蔽重复测试。 60 dB 的差异使一个原本可能被忽视的陷阱变得可见。
案例 3 — 预防幻觉。专家只输入右耳数据，但说“解释双耳”。 AI倾向于拟合左耳的值，但没有给出。当专家在提示中添加“弥补缺失的数据，写入[无数据]”规则时，AI将左耳留空。教训：如果不设置限制，模型将填补空白。
可复制的提示模板
听力图数据配置模板 将以下阈值绘制到匿名表中（频率行；右 HY、右 KY、左 KY、左 KY 列）。写入缺失的单元格[无数据]，拟合。原始数据：[阈值]
类型 RADE 草案模板您的角色：预评论草案助理。根据我给出的阈值，对于每只耳朵（1）是否存在气骨间隙，（2）可能的类型，（3）可能的程度草图用语言“可能”绘制。做出明确的诊断；指定验证所需的额外测试。数据：[表]
掩蔽控制模板 我给出的需要掩蔽的两个耳朵阈值之间是否存在差异？应在哪些频率下评估掩蔽？以列表形式给出结果；决定由专家决定。数据：[阈值]
翻译成专家语言的模板将我在下面验证的草稿翻译成一个单独的段落，用适当的和“可能的”语言，适合临床报告。添加捏造的发现。草案：[经过验证的草案]
常见错误
- 绕过骨通路。只需向航空公司提供并要求类型评论即可；无法看出是否有间隙。
- 忽略掩蔽困境。接受阈值是准确的，而不掩盖较大的耳间差异。
- 配置盲目性。仅查看平均值并忽略单个频率陷波（例如 4000 Hz 噪声陷波）；如果人工智能返回平均值，则细节被隐藏。
- 请求明确的诊断语言。告诉人工智能“诊断”；使用草稿作为最终报告。
- 弥补缺失的数据。在不设置限制时允许模型填充空单元格。
总之
听力图；它基于频率、dB HL、空气/骨传导和掩蔽的概念。人工智能可以根据你提供的结构化数字生成一个整洁的类型度轮廓，并提醒你注意掩蔽等陷阱；但通过校准测量和专家评审，测试的类型、等级和可靠性变得清晰。匿名且结构化地提供数据，打印缺失的[无数据]，始终用自己的阅读来验证草稿。
应用任务
使用“数据结构”模板将您拥有的（匿名）听力图的阈值绘制到表格中，并使用“类型度草稿”模板获得初步解释。然后自己独立阅读，与AI的草稿进行比较：哪里相同，哪里不同？注意它是否错过了屏蔽要求，并使用“专家翻译”模板将最终验证的评论转换为单个段落。
清单
- [ ] 我以匿名和结构化的形式给出了阈值。
- [ ] 我一起建立了空气和骨骼通道；我检查了范围。
- [ ] 我考虑了屏蔽的必要性。
- [ ]我将缺失的数据标记为[无数据]，防止伪造。
- [ ] 我用自己的阅读和临床背景验证了 AI 手稿。
- [ ] 我将最后一条评论翻译成专家语言，带有慎重的“可能”语言。