基于智能医疗服务系统信息工具的可视化设计

陈仪，刘敬慧，叶丹澜，吴晓莉

（ 河海大学 机电工程学院，江苏 常州 213000 ）

0 引言

随着互联网技术和智慧城市的发展，以智能医疗服务为内容的系统与工具逐渐成为各大医疗机构的主流服务模式。智能医疗相对于传统医疗模式有巨大的优势，但由于医疗服务信息容量大、层级复杂造成的流程呈现不清晰等漏洞，一定程度上增加了病患群体的认知负担。用户在就医时“看不懂、不会用、用得慢、用得烦”等问题的存在，直接降低了就医过程的服务效率[1]。为此，学者们从不同角度提出了优化智能医疗可视化的方法。文献[2]对便捷高效的新智能医疗就诊系统进行研究。文献[3]设计和实现了智能终端平台上的客户端应用系统。文献[4]通过情境体验分析法进行了智能医疗改造设计，创新线上线下双流服务模式。文献[5]提出将虚拟现实技术和病案管理相结合的可视化策略。

对于复杂信息系统，研究认知行为和人因出错有助于后期的研究和设计。文献[6]将错误分成疏忽和错误两类。文献[7]提出CREAM 方法，采用分类方案，对人因事件的前因和后果之间的关系进行了系统化的归类。文献[8]认为，疏忽和过分注意是用户出错的主要研究内容。文献[9]认为用户操作是人心理的固有属性，从错误的角度进行改进设计，从而反作用减少错误，是一种有效的信息界面设计方法。文献[10]用生理实验评估人机界面的操作行为和认知负荷。文献[11]研究人机交互界面中信息的可视化结构，提出信息编码的合理性建议。文献[12]通过认知任务分析（CTA）法改进了核电厂的模拟仪表和控制系统的图形布局。文献[13]通过分析认知错误提出了研究复杂的人机交互中认知任务的方法。以上关于信息的分析与评估方法，为智能医疗服务系统信息可视化研究提供了参考依据。本文以常州地区某医院智能服务系统为例，针对可视化方面的问题进行了信息重整和呈现方式的优化设计。

1 信息可视化研究方法

1.1 存在问题

智能医疗系统自身所固有的高信息技术含量对普通大众的参与带来一定程度的挑战[14]，虽然在一定程度上优化了传统模式，但仍存在效率低下的问题，体现在：流程缺陷、缺乏监督、工作效率较低；机构位置错综复杂，易引发急躁情绪；受众对智能系统的复杂性产生畏惧和抗拒心理从而选择效率更低的人工通道。

1.2 人因可靠性

人因可靠性指在规定时间和环境中，在不犯错的情况下操作者完成预期任务的能力。人因可靠性分析（Human Reliability Analysis，HRA[15])方法要求从出错产生条件、出错机理、出错类型等三个方面进行评价和分析。作为二代HRA 代表方法，Cream（cognitive reliability and error analysis method）的核心思想为人的性能并不是孤立的随机行为，而是依赖于完成任务时所处的环境[16]。在利用Cream 进行智能医疗系统的人因可靠性分析时，可分为：确定智能医疗环境中的患者特征和医疗信息情景环境；记录患者就诊过程中的出错行为；提取典型出错行为并初建“前因——后果”追溯表；结合信息界面进行负荷来源分析。

在对本文案例的智能医疗系统可视化研究中，从就诊人群的信息环境出发，分析现有信息呈现方式并建立就诊人群的Cream 模型，提取出错行为并分析前因后果，整合抽取信息并优化呈现方式。

2 案例分析

2.1 现状

选取案例医院门诊三类具有代表性的信息显示终端作为研究对象，对其进行特征分析，如表1 所示。

表1 不同类型终端的信息呈现特征

2.2 分析

2.2.1 人群特征梳理

在案例医院大楼入口处、门诊大厅自助挂号缴费一体机处和取药大屏处进行患者就诊行为记录。通过自然观察法，分别统计9:00 ～9:30、12:30 ～13:00 和17:00 ～17:30 三 个时间段中的人流量，同时划分患者的大致年龄区域，绘制出人流量变动折线图和年龄分布饼状图，如图1、图2 所示。

图中可见，大厅内，早、中、晚三个时间段的人流量变动幅度较小。由于自助挂号缴费一体机的功能性强、适用性高，该终端机前的人流量较大。在年龄分布上，展板处的就诊人群主要为年轻人和中老年人，对就诊流程不够熟悉而试图自行获得指导；自助挂号缴费一体机处的就诊人群主要为年轻人和中老年人，中老年人比重更大，该类人群能够独立操作使用智能终端，而老年人则更多选择去人工窗口排队挂号；在取药大屏处，除儿童外人群年龄分布差异较小，不同年龄段的群体能够较为顺利从大屏处获取必要信息。

2.2.2 出错行为及产生后果

在上述观察过程中，同时记录了人群操作系统的出错行为，提取典型的、出现次数较多的错误，分析出错行为以及产生的后果，倒推出产生这种后果的可能前因，建立人因失误前因——后果追溯表进行后期研究分析，如表2所示。

表2 人因失误的前因——后果追溯表

当就诊人群面对智能医疗服务信息系统时，在智能交互终端的使用时出错最为频繁，用户在操作时会出现找不到、操作不可行、不知所措、完全相反的计划、想不起来指令、执行不相关的行为、执行无反应等出错行为。根据推演分析，出错行为主要集中在信息布局不合理、有效信息不明显、缺少信息反馈提示等缺陷中。

3 信息抽取和重整

3.1 信息抽取

以就诊用户的主要行为为目标任务进行分解，并抽取任务步骤中的所有中间信息元和目标信息元[17]，为信息层级重整和可视化设计提供数据基础和信息模型。

3.2 信息层级重整

基于对用户出错行为的分析和信息层级的解构，提出以“用户——行为”为中心的流程可视化表达方式，对服务可视化进行信息流程重整，如图3 所示。

4 优化信息可视化表达

通过就诊流程的信息重整，对优化后的流程图进行了可视化表达。按照人类视觉规律从左至右排列，运用清晰简明的时间线流程，突出显示就诊流程的关键节点，同时表现就诊过程空间发生的变化。对于就诊患者具有一定的指导作用，如图4 所示。

5 结语

智能医疗服务系统的信息设计一方面要求就诊人群和工作人员能高效获取信息，另一方面也要求通过人性化设计帮助缓解病患就诊时的焦虑情绪。CREAM 出错追溯模型可有效研究人因出错，建立信息呈现界面到用户认知行为的桥梁。通过分析案例中现有信息呈现方式和用户出错行为，追溯出错的前因并对就诊信息以及层级进行重整和优化，对就诊流程进行设计表达。通过复杂界面的人因出错研究，帮助提升智能化服务的可靠性和高效性。