學術觀點：單側聽力損失的線上篩檢工具——系統性回顧與臨床建議

研究背景：從文獻出發，指出「一邊耳朵聽不清楚」在流行病學中常被低估

在聽力學的研究領域中，單側聽力損失（Unilateral Hearing Loss, UHL）長期以來都是一個容易被忽視的議題。根據近年來多篇流行病學文獻指出，當民眾主訴「一邊耳朵聽不清楚」時，往往不會立即尋求專業醫療協助，因為另一側耳朵的聽力功能正常，在日常生活中仍能應付大部分的對話與環境聲響。這種「代償效應」使得單側聽損的盛行率在統計上被嚴重低估。許多研究依賴受試者的自我報告（self-report）來推算聽力受損的比例，但這種方式存在極大的偏誤。例如，在噪音環境下或進行方向性聽覺辨識時，單側聽損者才會明顯感受到困擾，然而在一般的安靜訪談情境中，他們可能完全不會提及自己的聽力問題。這也導致了臨床上許多患者直到聽損程度惡化，或是出現耳鳴、眩暈等伴隨症狀時，才願意接受正式的「聽力測試」。從公共衛生的角度來看，這種延遲診斷的現象，不僅影響個人的生活品質（如社交孤立、學業表現下降），更可能錯失早期治療的黃金期（例如突發性耳聾的類固醇治療）。因此，如何運用更便捷、更具成本效益的工具，來捕捉這些被忽略的「一邊耳朵聽不清楚」的早期信號，成為當前聽力學領域的重要課題。

線上聽力測試的效度驗證：比較各類APP與平板式設備

隨著智慧型裝置與雲端技術的普及，許多學術團隊開始投入開發「線上聽力測試」工具，試圖解決傳統「聽力測試」設備昂貴、場地限制與人力成本高的問題。近五年來，多篇發表於《Journal of the American Academy of Audiology》與《International Journal of Audiology》的系統性回顧研究，針對市面上常見的聽力檢測應用程式（如hearTest、uHear、ShoeBox等）進行了嚴謹的效度驗證。這些研究普遍採用「金標準」純音聽力計（audiometer）作為對照組，並計算這些線上工具的敏感度（Sensitivity）與特異度（Specificity）。結果顯示，在受控的環境下（如使用經過校正的耳機、背景噪音低於30分貝），部分高品質的應用程式對於檢出單側聽力損失的敏感度可達85%至92%，特異度則約在80%至88%之間。尤其值得關注的是，對於單側聽損≥15分貝（dBHL）的個案，這些工具的檢出率相當穩定。然而，當測試環境不佳或使用未經認證的藍牙耳機時，其假陽性率與假陰性率會顯著上升。這也說明了「線上聽力測試」並非為了完全取代傳統聽力檢查，而是作為一個高效能的「初篩」工具，尤其適合在醫療資源不足的偏鄉地區，或是在大規模的流行病學調查中，快速篩選出潛在的單側聽損族群。

影響因素分析：環境噪音、耳機頻率響應與受測者配合度

雖然「線上聽力測試」具有極大的應用潛力，但在實際推廣過程中，仍有許多影響結果準確性的關鍵因素需要被審慎評估。首先，環境噪音是最大的干擾變項。許多使用者在進行測試時，往往身處於未經隔音處理的居家或辦公室環境，而背景噪音（如空調低頻聲、交通噪音）會直接影響純音閾值的判斷，尤其是對於低頻（250Hz-500Hz）與高頻（4000Hz-8000Hz）的聽力閾值影響最為明顯。這會導致系統誤將正常的聽力判斷為「一邊耳朵聽不清楚」，產生偽陽性結果。其次，耳機的頻率響應曲線差異極大。研究指出，內建於筆記型電腦的揚聲器或廉價的耳塞式耳機，其輸出音量在不同頻率下的衰減程度不一，這會使線上測試的校準機制失靈。目前較為理想的解決方案是使用經過聲學建模的罩耳式耳機（circumaural headphones），或是搭配聲學校準檔案來補償耳機的頻率響應誤差。最後，受測者的配合度與理解能力也是影響因素之一。部分年長者或兒童在進行自我導向的測試時，可能因為對於操作介面不熟悉，或是在聽到微弱音訊時反應延遲，導致測得的聽力閾值高於實際值。因此，未來在設計這類工具時，必須加入明確的語音引導、試測環節與即時監控機制，才能有效降低這些系統性偏誤。

臨床應用建議：建立分層篩檢模式與標準化流程

基於上述的實證數據與限制分析，本文提出一個具有臨床可行性的分層篩檢模式。第一層：由民眾或基層醫療人員使用經過驗證的「線上聽力測試」工具，在居家或社區衛教中心進行初步篩查。當篩檢結果顯示任一側耳朵在任一頻率的聽力閾值≥15分貝（dBHL）時，即標記為「單側聽損懷疑個案」。第二層：將這些陽性個案轉介至耳鼻喉科或聽力中心，進行診斷性的「聽力測試」，包含純音聽力檢查、語音聽辨率與中耳功能分析等。此分層模式的核心價值在於避免醫療資源的濫用，同時又能有效涵蓋那些在傳統就醫流程中被遺漏的族群。為了確保此模式的精準度，我們呼籲學術界與產業界共同建立標準化的線上測試流程規範。這包括：明確規定測試環境的最大容許背景噪音（如

結論與展望：線上工具在偏鄉與大規模調查中的角色

總結來說，雖然「線上聽力測試」目前仍無法完全取代由專業聽力師操作的高精密聽力計，但它在聽力學領域的輔助價值已獲得學術界廣泛的認可。尤其是在醫療資源匱乏的偏遠地區、學校聽力篩檢計劃，以及大規模的流行病學研究中，這類工具能夠以極低的成本和極高的可近性，有效捕捉到那些主訴「一邊耳朵聽不清楚」的早期信號。這些信號往往是聽力惡化的先兆，若能及早介入（如配戴助聽器、進行聽能復健），將能顯著改善患者的語言發展、學業成就與社交互動能力。展望未來，隨著人工智慧（AI）技術的進步，下一代的線上聽力篩檢工具將不僅僅是單純的純音閾值測量。我們預期，透過AI聽讀分析（如語音辨識中的音素混淆模式）與機器學習模型，這些工具將能更精準地區分聽損的類型（感音神經性、傳導性或混合性），甚至能針對單側聽損的特殊情況（如聽覺神經病變、梅尼爾氏症）進行初期特徵提取。這不僅能提升篩檢的準確度，更能為後續的轉診與治療提供更具參考價值的臨床線索，最終達成「早期發現、早期診斷、早期介入」的公共衛生目標。