收益：
- 能够理解听力评估报告的组成部分，并利用人工智能生成一致、可验证的报告草稿
- 能够应用“仅根据我提供的数据写入”规则，从而防止人工智能在报告中添加捏造的发现（幻觉）
- 能够区分报告中的诊断、建议和转诊声明以及签署专家/医生批准的责任。
听力学评估的结果通常是一份报告：一份到达患者、家人、耳鼻喉科医生、学校、雇主或机构的正式文件。该报告是记录所进行的测试、调查结果和建议的文本，并通过签名承担责任。在本单元中，您将学习如何安全地使用人工智能来生成报告草稿；但我们将介绍为什么报告中的每项发现、建议和转介声明都需要专家验证和签名。主要原理：人工智能可以生成一致、有序的报告草稿；但它只能根据您提供的真实数据撰写，不应弥补任何发现，并且最终文本应经过专家/医生的批准和签名才有效。
听力学报告的组成部分
典型的听力学评估报告由以下部分组成： 它可能会因您所在机构的格式而异：
身份和背景：患者信息（在机构系统中）、评估日期、转诊单位、转诊原因。
病史：相关投诉、噪音暴露、药物、家族史、以前的设备使用情况。
测试结果：听力图摘要（类型、等级、配置）、鼓室导抗测试、声反射、言语测试、OAE/ABR（如有必要）。这些都是基于测量的。
评估和解释：研究结果的综合意义；听力损失的类型/程度。
建议和计划：设备评估、耳鼻喉科指导、随访、患者教育。
批准：专家姓名、职务、签名和日期。签名是承担责任的地方。
注意：报告中最危险的错误是写出未执行的测试结果。人工智能可能会添加您未提供的发现（例如，“声反射正常”），以便报告“看起来完整”。这是一种幻觉，如果签署，将会造成严重的责任。
报告发给谁：读者的语言
听力学报告不是写给统一的读者的；语言和详细程度取决于您去的对象。给耳鼻喉科医生的报告可能是技术性的；医生了解听力图术语并期望诊断指导。在给学校或雇主的报告中，个人临床细节被最小化，仅共享必要的功能信息（例如，“建议坐在教室前面进行FM系统评估”）；出于隐私原因，医疗详细信息受到限制。给患者或家属的摘要是用通俗易懂的语言写成的。人工智能可以根据同一组经过验证的结果快速生成这些不同的版本，但禁止伪造和专家批准的规则适用于每个版本。
这就产生了报告中的“一个来源，多个版本”的原则：调查结果经过一次专业验证，然后针对不同的读者进行格式化。虽然人工智能促进了这种格式化，但专家有责任确保来源本身（测量的结果）没有改变，并且没有新的“发现”添加到任何版本中。特别是在发送给第三方（学校、雇主、保险）的报告中，每一条共享的信息都应该按照KVKK进行检查，以确定它是否确实是需要共享的信息。
防止幻觉：“只根据我给你的数据写入”
人工智能在报道中最大的风险是捏造事实。该模型倾向于“完成”一份不完整的报告，并可能用看似合理但不真实的发现来填补您留下的空白。避免这种情况的方法是在提示中明确三个规则：
- 只要根据我给你的数据写就可以了。不要超越原始发现。
- 标记缺失数据，请勿弥补。如果未执行测试，请写“[无测试]”或“[无数据]”。
- 将评论限制为“可能”的语言。建立明确的诊断判决；该建议须经专家批准。
每份报告都会在签名前与源数据进行比较：草稿中的每项发现是否确实与您测量的数据相对应？
责任层次
报告项目
谁验证？
为什么
测试结果
专家进行测量
校准数据不得捏造
评论/评级
听力学家
临床评价
诊断声明
听力学家/医师
诊断权威
转介/路由
听力学家/医师
医疗决定
签名
称职的专家
法律责任
一步一步：利用人工智能起草报告
- 构建原始数据。以匿名、有序的格式（逐节）准备调查结果。
- 禁止捏造。给出规则“只根据我给你的数据写入，标记缺失的部分”。
- 格式化它。将组织的报告部分作为模板呈现。
- 拿起草稿并将其与源文件进行比较。根据原始数据检查每个发现。
- 适度的意见和建议。是否有明确的诊断语言，该建议是否需要专家批准？
- 签署/批准。专家/医生批准最终文本；未签字的报告无效。
弱提示/强提示
弱提示：
为该患者撰写完整的听力学报告，完成所有测试。
“填写所有测试”会邀请模型弥补尚未完成的测试——这是最危险的命令。
强力提示：
您的角色：报告起草助理。规则：只写出我在下面给出的发现；不要添加我未提供的任何测试/结果；写入缺失部分[无数据]；不要做出明确的诊断陈述，使用“可能”的语言；将建议连接为“根据专家评价”。结果（匿名）：- 听力图：右侧中度感音神经性，左侧正常范围内 - 鼓室导抗测试：双耳 A 型 - 声反射：[未执行]- 言语测试：[无数据] 格式：历史/结果/评估/建议部分。任务：根据这些数据编写一份报告草稿。签字和批准属于专家。
强烈要求禁止伪造，要求标记缺失，限制诊断语言，并将签名留给专家。
三个迷你箱子
案例 1 — 捏造的捕获。一位听力学家要求提供一份报告草稿，但他没有声反射。 AI 在草案中添加了“正常范围内的声学反射”。在与源数据进行比较时，专家意识到该行并非基于任何测量，并将其删除，并替换为“[未评估声反射]”。签名之前就出现了幻觉。
案例 2 — 一致的轮廓。听力学家按照非捏造规则将他的常规发现（听力图、鼓室导抗测试摘要）输入人工智能。人工智能将这些转换为干净的、内部格式的草稿。专家验证每一行，进行一次更改（将推荐语句软化为“基于专家判断”）并签名。报告撰写时间从25分钟减少到8分钟，准确性得以保持。
案例 3 — 诊断性语言纠正。人工智能在草稿中写道“患者肯定患有噪音性听力损失”。专家知道听力图本身并不能确定原因；更正了该声明，称“研究结果可能与噪声暴露一致；应结合病史和临床评估进行解释。”确定性的语言倾向于负责任的临床语言。
可复制的提示模板
报告草稿（禁止制作）模板您的角色：报告起草助理。只写我给出的发现；不要添加任何我没有给出的测试/结果；写入缺失[无数据]；做出明确的诊断；该建议的依据是“基于专家评估”。调查结果：[数据] 格式：[章节]
源比较模板将下面报告草稿中的每个发现行与我提供的原始数据进行匹配。标记原始数据中没有对应内容的任何句子。草稿：[草稿]原始数据：[数据]
诊断语言软化模板在下面的报告中找到明确/过于武断的陈述（“肯定”、“是”）并将其翻译成临床上适当的“可能/可能兼容/应该评估”语言。文字：[报告]
推荐/转诊控制模板 在下面报告的推荐和转诊部分，标记每条需要专家/医生批准的陈述，并检查是否添加了“经专家/医生评估”短语。文字：[报告]
常见错误
- 它的意思是“填写所有测试”。推动模型适应未经测试的测试。
- 不与源比较。使用原始数据签署草稿，而不逐行检查。
- 留下明确的诊断语言。避免在临床语言中使用“存在/肯定”等表达方式。
- 未将建议提交给专家批准。自动呈现调度/计划报表。
- 未经签名/批准而使用。将草案作为正式报告分发。
总之
听力学报告是一份正式文本，其中基于测量和专家解释的结果记录有签名。 AI能够有序、一致地起草本报告草稿；但他们应该只根据您提供的真实数据进行撰写，不应编造任何发现，也不应使用明确的诊断语言。每个草稿都会与源数据进行比较，检查诊断和建议语言，并通过专家/医生的签名验证最终文本。未签字的报告无效。
应用任务
准备一组包含匿名、不完整信息的调查结果（某些测试“[未执行]”）。用“报告草稿（禁止捏造）”模板拿到一份草稿，然后故意放宽规则，说“填写所有测试”并得到第二稿。比较两个输出：第二个输出是否存在虚假发现？标记与“源比较”模板不匹配的任何行，并应用“诊断语言平滑”模板。
清单
- [ ] 我以匿名且结构化的方式提供了原始调查结果。
- [ ] 我制定了禁止捏造规则和“[无数据]”规则。
- [ ] 我将草稿与原始数据逐行进行了比较。
- [ ] 我已将明确诊断的语言更改为临床“可能”的语言。
- [ ] 我已将推荐/转介声明提交给专家批准。
- [ ] 我批准了带有专家/医生签名的最终报告。