編輯導語：人工智能時代來臨，隨着其自身地不斷髮展也逐漸滲透到了各行各業之中。因此，AI與各行業的結合是大勢所趨，不可避免。醫療行業由於其自身的複雜性，與AI相結合可以緩解醫務工作者的壓力，提高就診效率。接下來，本文作者就基於醫生行為心智模型，進行了一次信息界面的設計。
在當前人工智能的社會化大潮下，AI技術正在滲透至生活的方方面面。從長遠發展趨勢來看，AI技術與各行各業結合將成為不可避免的歷史大勢，如何能夠伴隨潮流一同成長，成了設計師們面臨的新問題，它既是挑戰，也是機會。
而在剛剛過去的一年中，新冠疫情也從一個特殊的角度，加強了大家對醫療行業的關注，在這場無孔不入的衝擊中，醫務工作者經受了巨大考驗，而作為設計師的我們，也希望可以通過自己的專業能力，做出一些貢獻，分擔些許壓力。
百度的AI醫療設計師通過一段時間的設計探索，基於現有的行業範式，配合人工智能技術，希望可以使醫療流程更加符合人的行為習慣，優化提升醫療決策效率，更加全面合理的解決醫療資源稀缺等一系列社會問題。
一、設計洞察醫生這個職業對於我們來説既熟悉又陌生，幾乎每過一段時間我們都會去和醫生打交道，然而我們卻無從知曉醫生是如何僅通過幾個問題與一些查驗結果，就能診斷治療並使我們康復。
這種神奇的能力背後是他們長期深度研究與大量的專業知識積累，每次進行診斷都需要耗費大量精力，巨大的工作壓力不言而喻，具體可以體現在以下兩個方面：
1. 差異化的思維模型普通人對疾病的認識通常是一些可察覺的症狀，而對醫生來説，下達診斷則需要將病人的描述進行轉譯、重組和記錄。
首先，患者通俗的描述需要被轉譯為邏輯嚴密可量化的專業術語；其次，醫生基於專業邏輯將轉譯後的信息重組為疑似疾病假設，之後經多次反覆引導提問或檢查檢驗，完善確診所需各方信息後，明確為診斷；最後，再將這些內容按照法律文書（病歷）的標準格式記錄下來以供參考察驗。
醫生對疾病的理解與普通人不同，平鋪直敍的症狀描述需要醫生轉譯篩選後重組為可論證的邏輯關係網，而當前流程中這些過程需要完全在醫生腦中進行，並沒有對應的可視化的載體。
病歷更多是結果性的法律文書，旨在敍述決策的合理性，與醫生的思考順序和側重有所不同。
以常見的三甲專科醫院為例，根據現場調研結果，一上午可能有多達幾十位患者就診，平均到每位患者僅有3分鐘左右的診斷時長。在如此短暫的時間內，要完成病症的診斷處置、病歷填寫，還要面對來自病患各種問題，難度可想而知。
多線並行與時間短暫的矛盾通常依賴醫生的個人專業素質來解決，複雜的思考過程完全在醫生腦中進行，鮮有工具可以分流壓力，因此醫生需要高度專注，而醫院中複雜的工作環境並不能很好的滿足這一要求。
以上的種種交匯在一起，從一定程度上導致了醫療事故多發、醫療資源緊張等一系列問題。
在設計過程中，思考着重從以下方面切入：
1. 匹配專業的思維模型梳理現有流程可知，在轉譯、重組和記錄環節中，信息的重組最為關鍵，（即針對疑似病症的假設與證明）。
當前的醫生的工作界面主要展示的是電子化病歷，其法律屬性決定現有形態不能有太大變化，而它的敍述式結構無法匹配醫生腦中靈活調整的假設證明關係網。
因此設置一片空間，方便醫生將腦中的信息展開重構進行’演算’就變得至關重要了，在電子病歷界面旁設置這樣一塊區域作為輔診面板，在儘量不影響現有病歷的前提下，直觀呈現相關信息，以便醫生靈活重組後得出診斷結論。
在面板中優先展示疑似疾病列表，同時配套羅列主要症狀信息，能夠為醫生提供更加符合固有思維方式的直觀參考，結合醫生輸入的內容靈活調整排布次序，始終確保最高相關度的一項展示在列表首位，隨着輸入的完善逐漸精確，最終配合醫生的選擇明確為具體診斷決策。
醫生的工作場景任務多且時間短，應當儘量削減操作成本，在輸入形式上，選擇效率高於拼寫。
在AI能力的幫助下，可以做到根據醫生輸入進行預測，通過開始的一到兩次輸入，算法便可按匹配度推薦相關疑似疾病，並且每個疾病的主要症狀按也相關度羅列在下方，後續症狀的錄入可自然切換為選擇操作，將醫生的注意力從病歷聚焦至輔診面板，減少耗時提升決策效率。
AI能做到根據醫生的輸入映射對應症狀高亮展示，並更新相關推薦症狀排序，醫生確認後自動回填至病例，兼顧後續的病歷書寫，為確診提供有效依據。考慮到現有流程慣例，以輔診面板配合電子病歷的佈局方式，儘可能照顧到醫生對界面的熟悉度；同時仍舊以拼寫做為整個流程的發起點，降低陌生感。
通過輸入匹配相關建議，將醫生在無感知的情況下引導至輔診面板。在診斷下達後，醫生依舊可以審視病歷界面，確保決策記錄的有效性與規範度。
綜上可知，相較於現有流程，新設計的意義主要體現在以下兩個方面：
1. 降低流程的複雜度將醫生的診斷流程儘可能的分流至AI協作完成，改原來的單人多線並行為人機協作。
依據醫生心智模型將之前完全在腦中的流程通過可視化的方式展示出來，並支持靈活調整，一改現有界面與用户心智不符的問題，降低用户記憶成本。
聚焦信息重組環節，使用户專注於假設驗證邏輯網絡的搭建，降低出錯概率；通過疑似病症及相關症狀的推薦列表，合理引導醫生蒐集關鍵信息，保證決策嚴密性；最終通過病歷同步回填功能，滿足法律文書規範性，降低醫生負擔。
2. 提升產品易用性解決當前場景中人腦負擔過重與時間短暫的矛盾，降低任務難度，改輸入為選擇，提升用户操作效率；尊重醫生既有行為習慣，通過原流程觸發新功能的方式，將工作流自然而然的過渡至輔診面板，提升用户控制感，降低陌生感與學習成本。
新老面板並列展示，一方面採用新的輔診面板幫助醫生高效決策；另一方面在診斷下達之時方便醫生審視檢查，保證可靠性。
四、結語2020年已經過去，經過團隊各位同學的共同努力，臨牀輔助決策系統已落地全國1000多家醫療機構落地上線，覆蓋18個省市自治區，服務醫生數萬人。
同時，隨着年底一系列國內外設計專業大獎的揭曉，百度AI醫療設計（含智能輔診系統）除在國內紅星獎的評選中獲得了2020創新設計紅星原創獎，也在韓國K-DESIGNAWARD的評比中獲得“金獎”。
這些獲獎不僅是對百度的設計師努力的肯定，也是在醫療擁抱人工智能這一大趨勢下，對積極設計嘗試和探索的肯定。
希望在新的一年中我們可以持續優化提升，為推動醫療人工智能的大趨勢貢獻自己的一份力。
本文由 @Du Design 原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自 Pexels，基於 CC0 協議