编辑导语：人工智能时代来临，随着其自身地不断发展也逐渐渗透到了各行各业之中。因此，AI与各行业的结合是大势所趋，不可避免。医疗行业由于其自身的复杂性，与AI相结合可以缓解医务工作者的压力，提高就诊效率。接下来，本文作者就基于医生行为心智模型，进行了一次信息界面的设计。

在当前人工智能的社会化大潮下，AI技术正在渗透至生活的方方面面。从长远发展趋势来看，AI技术与各行各业结合将成为不可避免的历史大势，如何能够伴随潮流一同成长，成了设计师们面临的新问题，它既是挑战，也是机会。

而在刚刚过去的一年中，新冠疫情也从一个特殊的角度，加强了大家对医疗行业的关注，在这场无孔不入的冲击中，医务工作者经受了巨大考验，而作为设计师的我们，也希望可以通过自己的专业能力，做出一些贡献，分担些许压力。

百度的AI医疗设计师通过一段时间的设计探索，基于现有的行业范式，配合人工智能技术，希望可以使医疗流程更加符合人的行为习惯，优化提升医疗决策效率，更加全面合理的解决医疗资源稀缺等一系列社会问题。

一、设计洞察

医生这个职业对于我们来说既熟悉又陌生，几乎每过一段时间我们都会去和医生打交道，然而我们却无从知晓医生是如何仅通过几个问题与一些查验结果，就能诊断治疗并使我们康复。

这种神奇的能力背后是他们长期深度研究与大量的专业知识积累，每次进行诊断都需要耗费大量精力，巨大的工作压力不言而喻，具体可以体现在以下两个方面：

1. 差异化的思维模型

普通人对疾病的认识通常是一些可察觉的症状，而对医生来说，下达诊断则需要将病人的描述进行转译、重组和记录。

首先，患者通俗的描述需要被转译为逻辑严密可量化的专业术语；其次，医生基于专业逻辑将转译后的信息重组为疑似疾病假设，之后经多次反复引导提问或检查检验，完善确诊所需各方信息后，明确为诊断；最后，再将这些内容按照法律文书（病历）的标准格式记录下来以供参考察验。

医生对疾病的理解与普通人不同，平铺直叙的症状描述需要医生转译筛选后重组为可论证的逻辑关系网，而当前流程中这些过程需要完全在医生脑中进行，并没有对应的可视化的载体。

病历更多是结果性的法律文书，旨在叙述决策的合理性，与医生的思考顺序和侧重有所不同。

2. 特殊的使用场景

以常见的三甲专科医院为例，根据现场调研结果，一上午可能有多达几十位患者就诊，平均到每位患者仅有3分钟左右的诊断时长。在如此短暂的时间内，要完成病症的诊断处置、病历填写，还要面对来自病患各种问题，难度可想而知。

多线并行与时间短暂的矛盾通常依赖医生的个人专业素质来解决，复杂的思考过程完全在医生脑中进行，鲜有工具可以分流压力，因此医生需要高度专注，而医院中复杂的工作环境并不能很好的满足这一要求。

以上的种种交汇在一起，从一定程度上导致了医疗事故多发、医疗资源紧张等一系列问题。

二、设计思考

在设计过程中，思考着重从以下方面切入：

1. 匹配专业的思维模型

梳理现有流程可知，在转译、重组和记录环节中，信息的重组最为关键，（即针对疑似病症的假设与证明）。

当前的医生的工作界面主要展示的是电子化病历，其法律属性决定现有形态不能有太大变化，而它的叙述式结构无法匹配医生脑中灵活调整的假设证明关系网。

因此设置一片空间，方便医生将脑中的信息展开重构进行’演算’就变得至关重要了，在电子病历界面旁设置这样一块区域作为辅诊面板，在尽量不影响现有病历的前提下，直观呈现相关信息，以便医生灵活重组后得出诊断结论。

在面板中优先展示疑似疾病列表，同时配套罗列主要症状信息，能够为医生提供更加符合固有思维方式的直观参考，结合医生输入的内容灵活调整排布次序，始终确保最高相关度的一项展示在列表首位，随着输入的完善逐渐精确，最终配合医生的选择明确为具体诊断决策。

2. 满足使用场景需求

医生的工作场景任务多且时间短，应当尽量削减操作成本，在输入形式上，选择效率高于拼写。

在AI能力的帮助下，可以做到根据医生输入进行预测，通过开始的一到两次输入，算法便可按匹配度推荐相关疑似疾病，并且每个疾病的主要症状按也相关度罗列在下方，后续症状的录入可自然切换为选择操作，将医生的注意力从病历聚焦至辅诊面板，减少耗时提升决策效率。

AI能做到根据医生的输入映射对应症状高亮展示，并更新相关推荐症状排序，医生确认后自动回填至病例，兼顾后续的病历书写，为确诊提供有效依据。考虑到现有流程惯例，以辅诊面板配合电子病历的布局方式，尽可能照顾到医生对界面的熟悉度；同时仍旧以拼写做为整个流程的发起点，降低陌生感。

通过输入匹配相关建议，将医生在无感知的情况下引导至辅诊面板。在诊断下达后，医生依旧可以审视病历界面，确保决策记录的有效性与规范度。

三、设计的意义

综上可知，相较于现有流程，新设计的意义主要体现在以下两个方面：

1. 降低流程的复杂度

将医生的诊断流程尽可能的分流至AI协作完成，改原来的单人多线并行为人机协作。

依据医生心智模型将之前完全在脑中的流程通过可视化的方式展示出来，并支持灵活调整，一改现有界面与用户心智不符的问题，降低用户记忆成本。

聚焦信息重组环节，使用户专注于假设验证逻辑网络的搭建，降低出错概率；通过疑似病症及相关症状的推荐列表，合理引导医生搜集关键信息，保证决策严密性；最终通过病历同步回填功能，满足法律文书规范性，降低医生负担。

2. 提升产品易用性

解决当前场景中人脑负担过重与时间短暂的矛盾，降低任务难度，改输入为选择，提升用户操作效率；尊重医生既有行为习惯，通过原流程触发新功能的方式，将工作流自然而然的过渡至辅诊面板，提升用户控制感，降低陌生感与学习成本。

新老面板并列展示，一方面采用新的辅诊面板帮助医生高效决策；另一方面在诊断下达之时方便医生审视检查，保证可靠性。

四、结语

2020年已经过去，经过团队各位同学的共同努力，临床辅助决策系统已落地全国1000多家医疗机构落地上线，覆盖18个省市自治区，服务医生数万人。

同时，随着年底一系列国内外设计专业大奖的揭晓，百度AI医疗设计（含智能辅诊系统）除在国内红星奖的评选中获得了2020创新设计红星原创奖，也在韩国K-DESIGNAWARD的评比中获得“金奖”。

这些获奖不仅是对百度的设计师努力的肯定，也是在医疗拥抱人工智能这一大趋势下，对积极设计尝试和探索的肯定。

希望在新的一年中我们可以持续优化提升，为推动医疗人工智能的大趋势贡献自己的一份力。

本文由 @Du Design 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Pexels，基于 CC0 协议