收益：
- 能够理解处方公式（NAL-NL2、DSL）、增益、压缩和拟合步骤，并通过真耳测量（REM）验证人工智能建议
- 能够使用人工智能进行安装故障排除、将患者投诉翻译成调整语言并生成检查表
- 能够应用拟合决策必须由设备软件和 REM 数据确认，并且人工智能不会取代校准测量
选择设备后，就进入了最具技术性和重复性的工作阶段：验配（根据患者的听力损失和耳朵对助听器进行编程）。适配是指确定设备在哪个频率下提供多少增益（声音放大量）、如何压缩声音以及如何限制干扰水平。在本单元中，我们将学习如何在验配过程中使用人工智能作为故障排除和通信助手，但为什么您应该始终通过真耳测量来确认设置的准确性。主要原理：人工智能将患者的投诉翻译成设定语言并生成检查表；但是，验配决策是通过设备软件和真耳测量 (REM) 数据进行验证的，它并不能取代校准测量。
处方公式、增益和压缩
拟合的基础是处方公式。处方公式是根据患者的听阈计算出每个频率应给予多少增益的方法。两种最常见的配方是 NAL-NL2（成人常用的处方方法）和 DSL（儿童尤其首选的方法）。这些公式给出了初始目标；设备软件根据该目标提出初始设置。
压缩是将不同的声音（耳语和喊叫之间）压缩到患者可以舒适听到的范围内。虽然听力损失的耳朵听不到轻柔的声音，但非常响亮的声音仍然会令人不安；压缩可以管理这个狭窄的听觉范围。
注意：设备软件在屏幕上显示的“达到目标”图形代表估计值，而不是设备在耳朵处产生的实际输出。真实的耳朵声学效果因人而异。仅仅因为软件达到了目标，拟合并不被认为是经过验证的。
为什么真耳测量 (REM) 必不可少
REM（真耳测量）是通过在耳道中放置一个薄探头麦克风来测量设备在患者自己耳朵中实际产生的声级。每只耳朵的耳道容积、形状和声学效果都不同；相同的设备在相同的设置下在两个不同的耳朵中产生不同的输出。 REM 是指示设备的实际输出是否达到处方目标的唯一客观方法。对 Fitting 问题的回答：“他还好吗？”不是患者的主观表达，而是REM数据。
AI不能做REM；这是一种物理测量，需要校准设备和探头。人工智能在勾勒出 REM 结果的解释或概述未实现目标的领域方面最有帮助，但专家会进行测量和最终调整。
装配步骤
步骤
该怎么办
人工智能的作用
1. 损失数据
听力图输入设备软件
无（校准数据）
2. 配方选择
NAL-NL2/DSL 目的地已确定
公式差异提醒
3. 初始设置
软件生成推荐
无
4. REM验证
实际输出是相对于目标来测量的
REM摘要解释稿
5. 微调
根据投诉情况进行调整
将投诉翻译成设置语言
6. 追踪
数据记录+患者反馈
生成清单
一步一步：利用 AI 进行故障排除
- 收集投诉。匿名记录患者的陈述（“我自己的声音听起来很奇怪”，“字母 s 吱吱作响”）。
- 让人工智能翻译。要求提供一个大纲，将投诉转化为可能的调整方向（例如哪个频段、增益或压缩）。
- 保留可能的语言。说“不要给出确切的设置；列出可能的方面和需要检查的事项。”
- 用 REM 验证。通过真耳测量确认各项设置对目标的效果。
- 和病人一起尝试一下。结合现实生活中的声音和主观反馈。
- 关闭清单。使用 YZ 制作的验配清单完成这些步骤。
弱提示/强提示
弱提示：
病人奇怪地听到自己的声音。我应该在设备上降低多少 dB？
它需要精确的数值调整（人工智能如果不在耳朵中测量就无法知道），并且忽略了 REM 和临床背景。
强力提示：
您的角色：安装故障排除助手。不要给出准确的 dB 值；仅列出可能的调整方向和需要 REM 检查的点。投诉（匿名）：患者听到自己的声音“空洞/奇怪”（可能有闭塞感）。装置：RIC，闭模。处方：NAL-NL2。任务：列出此投诉的可能原因以及可以尝试的调整/声学；写下每个方向的 REM 或临床验证步骤。声明最终设置由专家决定。
强烈的提示不需要数字决定，它给出了上下文中的投诉，并将 REM 验证链接到每个步骤。
三个迷你箱子
案例 1 — 阻塞投诉。佩戴新设备的患者听到自己的声音“就好像他在井里说话一样”。听力学家向人工智能提出投诉； YZ 列出这可能与闭塞效应（封闭的图案捕获其自身的声音）、控制通风/图案和低频设置有关。专家审查模式和低频增益并用 REM 进行验证；投诉减少。人工智能给出了可能的方向，测量和决策仍由专家负责。
情况 2 — “S”裂纹。患者说高频声音（“s”、“sh”）令人不安。专家将投诉转化为人工智能；草案建议控制高频增益和最大输出限制。专家发现 REM 和高频区域超出目标，修正设置并再次测量。当遇到客观测量时，主观抱怨就会得到解决。
情况 3 — 没有 REM 时出现错误。专家不会仅仅依靠软件目标而因时间不够而做REM；几天后，病人回来说“一切都太大声了”。这次，专家执行了 REM，发现实际输出明显高于目标——软件的预测在这只耳朵上不起作用。设置已更正。教训：软件目标不能替代 REM。
可复制的提示模板
将投诉翻译成设置语言的模板您的角色：试衣助理。不要给出准确的 dB。将以下患者投诉转化为可能的原因和调音/声学方面进行检查；写出每个方向的 REM/临床验证步骤。投诉：[投诉] 设备/模具：[信息]
REM 结果评论草案模板 在哪些频率区域中以下 REM 测量高于/低于处方目标？总结并标记哪些区域可能需要调整。最终决定权属于专家。数据：[REM 值 + 目标]
验配检查表模板为助听器验配会议制作分步检查表：损失数据、处方选择、初始验配、REM 验证、微调、患者试验、后续计划。为每个步骤添加一个“已验证”框。
遮挡/反馈歧视模式 患者描述了以下抱怨：[抱怨]。这可能是一种遮挡感、声反馈或增益过多吗？列出独特的问题并检查每种可能性的步骤。决定权属于专家。
常见错误
- 跳过 REM。不要仅仅依赖软件目标并进行真耳测量。
- 将主观表达误认为是测量。接受患者的“罚款”作为合适的验证。
- 向 AI 请求精确的 dB。允许模型进行数值调整，而无需在耳朵处进行测量。
- 将投诉归因于单一原因。调整时不区分遮挡、反馈和过度增益。
- 忽视跟进。认为第一节就够了；跳过数据记录和反馈微调。
综上所述
配件；处方公式是根据患者对增益和压缩进行编程，其准确性只能通过真耳测量（REM）来确认。 AI可以将患者的抱怨转化为可能的调整方向，总结REM结果并生成检查表；但具体的设置、测量和最终决定取决于专家。软件目标和患者的主观“良好”并不能替代校准的真耳测量。
应用任务
设置匿名验配场景：设备类型、处方配方和患者投诉（例如，闭塞或“s”尖叫）。使用“将投诉翻译成设置语言”模板获取可能的指示，然后使用“遮挡/反馈歧视”模板分解可能性。对于每个可能的设置方向，写下您将验证的 REM 或临床步骤。最后，制作一份“试穿清单”并将其与您自己的日常习惯进行比较。
清单
- [ ] 我匿名并结合上下文记录了患者的投诉。
- [ ] 我让 AI 询问可能的方向而不是精确的 dB。
- [ ] 我将每个调优方面与 REM 验证方案联系起来。
- [ ] 我区分了遮挡/反馈/过度增益。
- [ ] 我将主观反馈与客观测量结合起来。
- [ ] 我用清单关闭了后续和微调计划。