基于智能醫(yī)療服務(wù)系統(tǒng)信息工具的可視化設(shè)計

陳儀，劉敬慧，葉丹瀾，吳曉莉

（ 河海大學 機電工程學院，江蘇 常州 213000 ）

0 引言

隨著互聯(lián)網(wǎng)技術(shù)和智慧城市的發(fā)展，以智能醫(yī)療服務(wù)為內(nèi)容的系統(tǒng)與工具逐漸成為各大醫(yī)療機構(gòu)的主流服務(wù)模式。智能醫(yī)療相對于傳統(tǒng)醫(yī)療模式有巨大的優(yōu)勢，但由于醫(yī)療服務(wù)信息容量大、層級復雜造成的流程呈現(xiàn)不清晰等漏洞，一定程度上增加了病患群體的認知負擔。用戶在就醫(yī)時“看不懂、不會用、用得慢、用得煩”等問題的存在，直接降低了就醫(yī)過程的服務(wù)效率[1]。為此，學者們從不同角度提出了優(yōu)化智能醫(yī)療可視化的方法。文獻[2]對便捷高效的新智能醫(yī)療就診系統(tǒng)進行研究。文獻[3]設(shè)計和實現(xiàn)了智能終端平臺上的客戶端應(yīng)用系統(tǒng)。文獻[4]通過情境體驗分析法進行了智能醫(yī)療改造設(shè)計，創(chuàng)新線上線下雙流服務(wù)模式。文獻[5]提出將虛擬現(xiàn)實技術(shù)和病案管理相結(jié)合的可視化策略。

對于復雜信息系統(tǒng)，研究認知行為和人因出錯有助于后期的研究和設(shè)計。文獻[6]將錯誤分成疏忽和錯誤兩類。文獻[7]提出CREAM 方法，采用分類方案，對人因事件的前因和后果之間的關(guān)系進行了系統(tǒng)化的歸類。文獻[8]認為，疏忽和過分注意是用戶出錯的主要研究內(nèi)容。文獻[9]認為用戶操作是人心理的固有屬性，從錯誤的角度進行改進設(shè)計，從而反作用減少錯誤，是一種有效的信息界面設(shè)計方法。文獻[10]用生理實驗評估人機界面的操作行為和認知負荷。文獻[11]研究人機交互界面中信息的可視化結(jié)構(gòu)，提出信息編碼的合理性建議。文獻[12]通過認知任務(wù)分析（CTA）法改進了核電廠的模擬儀表和控制系統(tǒng)的圖形布局。文獻[13]通過分析認知錯誤提出了研究復雜的人機交互中認知任務(wù)的方法。以上關(guān)于信息的分析與評估方法，為智能醫(yī)療服務(wù)系統(tǒng)信息可視化研究提供了參考依據(jù)。本文以常州地區(qū)某醫(yī)院智能服務(wù)系統(tǒng)為例，針對可視化方面的問題進行了信息重整和呈現(xiàn)方式的優(yōu)化設(shè)計。

1 信息可視化研究方法

1.1 存在問題

智能醫(yī)療系統(tǒng)自身所固有的高信息技術(shù)含量對普通大眾的參與帶來一定程度的挑戰(zhàn)[14]，雖然在一定程度上優(yōu)化了傳統(tǒng)模式，但仍存在效率低下的問題，體現(xiàn)在：流程缺陷、缺乏監(jiān)督、工作效率較低；機構(gòu)位置錯綜復雜，易引發(fā)急躁情緒；受眾對智能系統(tǒng)的復雜性產(chǎn)生畏懼和抗拒心理從而選擇效率更低的人工通道。

1.2 人因可靠性

人因可靠性指在規(guī)定時間和環(huán)境中，在不犯錯的情況下操作者完成預期任務(wù)的能力。人因可靠性分析（Human Reliability Analysis，HRA[15])方法要求從出錯產(chǎn)生條件、出錯機理、出錯類型等三個方面進行評價和分析。作為二代HRA 代表方法，Cream（cognitive reliability and error analysis method）的核心思想為人的性能并不是孤立的隨機行為，而是依賴于完成任務(wù)時所處的環(huán)境[16]。在利用Cream 進行智能醫(yī)療系統(tǒng)的人因可靠性分析時，可分為：確定智能醫(yī)療環(huán)境中的患者特征和醫(yī)療信息情景環(huán)境；記錄患者就診過程中的出錯行為；提取典型出錯行為并初建“前因——后果”追溯表；結(jié)合信息界面進行負荷來源分析。

在對本文案例的智能醫(yī)療系統(tǒng)可視化研究中，從就診人群的信息環(huán)境出發(fā)，分析現(xiàn)有信息呈現(xiàn)方式并建立就診人群的Cream 模型，提取出錯行為并分析前因后果，整合抽取信息并優(yōu)化呈現(xiàn)方式。

2 案例分析

2.1 現(xiàn)狀

選取案例醫(yī)院門診三類具有代表性的信息顯示終端作為研究對象，對其進行特征分析，如表1 所示。

表1 不同類型終端的信息呈現(xiàn)特征

2.2 分析

2.2.1 人群特征梳理

在案例醫(yī)院大樓入口處、門診大廳自助掛號繳費一體機處和取藥大屏處進行患者就診行為記錄。通過自然觀察法，分別統(tǒng)計9:00 ～9:30、12:30 ～13:00 和17:00 ～17:30 三 個時間段中的人流量，同時劃分患者的大致年齡區(qū)域，繪制出人流量變動折線圖和年齡分布餅狀圖，如圖1、圖2 所示。

圖中可見，大廳內(nèi)，早、中、晚三個時間段的人流量變動幅度較小。由于自助掛號繳費一體機的功能性強、適用性高，該終端機前的人流量較大。在年齡分布上，展板處的就診人群主要為年輕人和中老年人，對就診流程不夠熟悉而試圖自行獲得指導；自助掛號繳費一體機處的就診人群主要為年輕人和中老年人，中老年人比重更大，該類人群能夠獨立操作使用智能終端，而老年人則更多選擇去人工窗口排隊掛號；在取藥大屏處，除兒童外人群年齡分布差異較小，不同年齡段的群體能夠較為順利從大屏處獲取必要信息。

2.2.2 出錯行為及產(chǎn)生后果

在上述觀察過程中，同時記錄了人群操作系統(tǒng)的出錯行為，提取典型的、出現(xiàn)次數(shù)較多的錯誤，分析出錯行為以及產(chǎn)生的后果，倒推出產(chǎn)生這種后果的可能前因，建立人因失誤前因——后果追溯表進行后期研究分析，如表2所示。

表2 人因失誤的前因——后果追溯表

當就診人群面對智能醫(yī)療服務(wù)信息系統(tǒng)時，在智能交互終端的使用時出錯最為頻繁，用戶在操作時會出現(xiàn)找不到、操作不可行、不知所措、完全相反的計劃、想不起來指令、執(zhí)行不相關(guān)的行為、執(zhí)行無反應(yīng)等出錯行為。根據(jù)推演分析，出錯行為主要集中在信息布局不合理、有效信息不明顯、缺少信息反饋提示等缺陷中。

3 信息抽取和重整

3.1 信息抽取

以就診用戶的主要行為為目標任務(wù)進行分解，并抽取任務(wù)步驟中的所有中間信息元和目標信息元[17]，為信息層級重整和可視化設(shè)計提供數(shù)據(jù)基礎(chǔ)和信息模型。

3.2 信息層級重整

基于對用戶出錯行為的分析和信息層級的解構(gòu)，提出以“用戶——行為”為中心的流程可視化表達方式，對服務(wù)可視化進行信息流程重整，如圖3 所示。

4 優(yōu)化信息可視化表達

通過就診流程的信息重整，對優(yōu)化后的流程圖進行了可視化表達。按照人類視覺規(guī)律從左至右排列，運用清晰簡明的時間線流程，突出顯示就診流程的關(guān)鍵節(jié)點，同時表現(xiàn)就診過程空間發(fā)生的變化。對于就診患者具有一定的指導作用，如圖4 所示。

5 結(jié)語

智能醫(yī)療服務(wù)系統(tǒng)的信息設(shè)計一方面要求就診人群和工作人員能高效獲取信息，另一方面也要求通過人性化設(shè)計幫助緩解病患就診時的焦慮情緒。CREAM 出錯追溯模型可有效研究人因出錯，建立信息呈現(xiàn)界面到用戶認知行為的橋梁。通過分析案例中現(xiàn)有信息呈現(xiàn)方式和用戶出錯行為，追溯出錯的前因并對就診信息以及層級進行重整和優(yōu)化，對就診流程進行設(shè)計表達。通過復雜界面的人因出錯研究，幫助提升智能化服務(wù)的可靠性和高效性。