用大语言模型检验老年人在故事聆听中的助听器收益

数据日期 2026-10-26 · 生成时间 2026-10-28 01:59　｜　预印本 · medRxiv · v1（2026-10-26） · otolaryngology

一、一句话结论

39 名老年助听器使用者（中位 75 岁）在多人语噪声下听句子与短篇故事：LLM 评分与规则化评分的一致性极高（ICC=0.999）；助听器平均改善了句子清晰度与故事回忆；收益随听力损失更重而增大，并独立地随助听器带来的可听度增益增大而增大；但约一半参与者几乎没有收益，主要是听力损失较轻或可听度改善较小的人。

二、研究问题

助听器收益通常用孤立句子评估，而日常聆听涉及连续言语；但连续言语的理解评分费时费力。LLM 能否自动化这一评分，并且用它来识别谁真正受益？

三、方法（核验至全文 Methods and materials）

四、核心结果（含统计量与效应量）

### 4.1 样本与可听度

• 助听器显著改善可听度：t38=5.279，p=5.5×10⁻⁶，d=0.845；中位收益 2.59 dB。
• 年龄与 PTA 及可听度收益均无关（ps>0.13）；PTA 与可听度收益弱相关（r=0.324，p=0.044）。
• 助听器使用中位 7 年（当前助听器 3 年），每日佩戴中位 11 小时，满意度高于中性。
• 回归模型：PTA 越高 → 助听器使用总时长越长（t35=3.531，p=0.001）；可听度收益越大 → 每日使用时间越长（t35=2.055，p=0.047）。

### 4.2 LLM 评分的有效性（方法学主线）

• 与规则化评分的一致性极佳：逐 SNR、设备条件与受试者的正确词比例 ICC=0.999（95% CI 0.998–1）；上渐近线的助听获益 ICC=0.999（0.999–1）。
• 两种评分方式在所有任务上无差异（句子：F1,38=0.269，p=0.607，ω²<0.001；故事末句：F1,38=0.254，p=0.617，ω²<0.001），无交互。
• 开源模型 Gemma 4 的中点略高（即分数略低），但差异很小。

### 4.3 助听器收益（实质主线）

• 句子任务：助听条件下上渐近线更高（F1,38=14.373，p=5.2×10⁻⁴，ω²=0.092）；斜率与中点无效应或交互（ps>0.09）。
• PTA 与可听度收益各自独立地与助听获益相关（与设备使用的交互：两者 F1,35>8，p<0.008，ω²>0.06），而年龄无关（p=0.577）。
• ⚠️ 一个必须一起读的结果：PTA 越高，整体上渐近线越低（F1,35=28.362，p=6×10⁻⁶）——即即便助听，听力更差者仍然理解更少；而可听度收益大与小的人在助听后的清晰度相近。这说明助听器缩小了但并未消除听力损失带来的差距。
• 故事末句：助听 > 不助听（F1,38=21.364，p=4.3×10⁻⁵，ω²=0.146）；掩蔽效应显著（Speech Clarity F2,76=20.705，p=6.6×10⁻⁸，ω²=0.097；各对比 t38>2.7，pHolm≤0.01，d>0.23）。
• 约一半参与者几乎没有收益，主要是听力损失较轻（虽仍具临床意义）或可听度改善较小的人。

五、作者给出的解释

助听器对句子清晰度的收益可延伸到短篇故事的理解（即不止于孤立的字词识别），且LLM 使两者的自动化评估成为可能。收益的个体差异主要由听力损失程度与助听器带来的可听度增益两个可测量因素解释。

六、局限（全文自陈 + 核验补充）

• 样本 39 人，"约一半无收益"这一比例在小样本下置信区间很宽，需按听力损失程度分层复核。
• 实验室条件（多人语噪声、固定材料）与真实日常聆听环境差异大。
• "无收益"的定义依赖所选指标的测量误差；轻度损失者可能是在指标上无显著变化而非功能上无改善。
• LLM 评分与人工评分的一致性：摘要只说与"规则化评分"几乎一致，未在真实临床判断上验证。
• 横断面、单次评估，未覆盖长期适应期（助听器收益通常随使用时间增长）。
• 未报告助听器型号/验配方式，可听度增益的个体差异可能主要来自验配质量而非生理因素。
• （核验补充） 本研究为已有助听器使用者（中位已用 7 年），不含新配机人群——因此"约一半无收益"不能外推到"新配助听器者的预期收益"。
• （核验补充） 年龄与收益无关（p=0.577）是在一个年龄范围较窄（中位 75 岁）的样本中得到的，不能解读为"年龄不重要"。

七、对衰老与长寿研究的价值

• 实质层："约一半老年助听器使用者几乎没收益"是一个对政策与实践都有冲击的数字。听力损失被列为可干预痴呆风险因素中权重最高的一项（Lancet Commission 序列），但如果近半使用者在实验室条件下测不到收益，那么"配助听器 = 降低痴呆风险"这一推论需要更细的分层证据。收益随听力损失严重程度与可听度增益增大正是下一步研究该做什么的直接提示。
• 必须一起读的边界：即便助听，听力更差者仍理解更少 → 助听器缩小但未消除差距；干预预期管理需要这个数据。
• 方法层：用 LLM 自动化评估连续言语理解解决了该领域长期的成本瓶颈，若可复现，会让大规模、生态化的听觉—认知干预试验变得可行——这类试验此前受限于评分人力。
• 与本期观察哨 4 对读：那条发现老年人视听整合的神经签名保留、但"整合—理解"的耦合被改写；本条从行为侧给出互补现象——增益不是瓶颈，个体化的可听度与损失的匹配才是。

八、保留意见（读者须知）

• 本条是听觉—认知研究，与衰老的接口是"老年感觉干预与认知"这条明确的衰老支柱，不含衰老生物标志物数据。
• 不要引用"约一半无收益"作为助听器无效的依据——样本 39 人、已有使用者、实验室条件三重限制。
• 预印本，未经同行评审。

> 全文核验记录：2026-10-28 抓取 PDF（HTTP 200，3,412,674 字节，29 页），逐节核对至 Abstract / Methods and materials（测听、可听度、任务与 SNR 条件、LLM 与 Autoscore）/ Results（可听度与使用时长、句子与故事任务、一致性 ICC、PTA 与可听度的独立贡献）/ Discussion / Conclusion。页内数字均出自全文；本节额外补出速递卡片未覆盖的细节（中位 PTA 43.13 dB HL、可听度收益 d=0.845 与中位 2.59 dB、助听器中位使用 7 年/每日 11 小时、ICC 的 95% CI、PTA 越高助听后上渐近线仍越低 F=28.362、故事任务的 ω²=0.146、Speech Clarity 主效应、三种 SNR 条件、Gemma 4 的中点偏移、年龄与收益无关 p=0.577）。 > 时间标签：数据日期 2026-10-26（补遗窗口 T-2）· 生成 2026-10-28 01:59