当人工智能解决方案不断发展并涌现新的临床与运营应用场景时，它们将在医疗体系中发挥日益重要的作用。因此，医疗机构在设计决策中必须考虑技术对使用者及受影响人群的影响。无论是自主开发还是采购AI解决方案，设计与实施过程都应：
- 深入理解需要解决的核心问题；
- 明确医疗体系内各类终端用户的需求；
- 确保解决方案无缝融入现有工作流程并提升使用者的日常体验。
实现这些目标的关键在于采用以用户为中心的设计（Human-Centered Design）。该方法通过四个核心原则展开：
- 以人为本：设计始终围绕用户的真实需求；
- 解决正确问题：确保技术针对系统中的根本痛点；
- 系统化思维：将解决方案视为复杂系统的一部分；
- 小而简的干预：优先选择可快速验证的最小化改进。
此过程始于通过创建用户画像（User Personas）理解用户需求。用户画像基于真实数据创建虚构角色，描述用户的目标、痛点及行为特征。例如，在设计临床决策支持（CDS）工具时，通过访谈发现医生在患者诊疗中常因多系统切换导致信息过载。将此洞察整合到用户画像中，可确保CDS工具在后台无缝运行，而非增加工作负担。
创建用户画像时应包含以下步骤：
- 跨职能团队参与：涵盖临床与非临床、技术与非技术人员；
- 数据收集：通过访谈、工作观察或数据分析获取洞察；
- 场景测试：模拟用户与AI系统的交互场景。例如测试医生、管理人员和患者对AI预约系统的使用偏好差异。
典型案例包括评估医院再入院预测分析工具时，通过用户画像发现护理管理者需要详细报告来协调随访，而医生更需要实时嵌入工作流的警报功能。这种差异化洞察帮助医疗机构在不忽视任一群体需求的前提下选择合适的解决方案。
文章特别以环境语音记录员系统（Ambient Scribe）为例，展示如何通过用户画像优化临床文档自动生成功能。此类系统可将问诊录音转化为结构化病历，扩展功能包括临床编码建议和未解决医疗缺口的警报。Abridge和Nabla是该领域的代表企业。
值得注意的是，用户画像需定期更新以适应角色与工作流程的变化。这种动态调整机制确保AI解决方案持续创造真实价值，避免因设计偏差导致的系统性问题。
【全文结束】
