logo
洞察列表

医疗软件设计:真正重要的不是功能更多,而是让每一次决定更安全

Physician and CAS

 

今天,越来越多的医疗服务正在被软件重新组织。

 

预约、问诊、病历、医嘱、护理、检查、随访,乃至诊断与治疗决策,都可能通过一个数字界面完成。对普通软件而言,一次设计失误也许只是让用户多走一步;但在医疗场景中,一条被忽略的异常数据、一个容易混淆的计量单位、一次错误的患者选择,都可能产生远超屏幕之外的后果。

因此,评价一款医疗软件是否出色,不能只看它拥有多少功能,也不能只看界面是否简洁、操作是否流畅。更重要的问题是:

它能否在真实医疗场景中,帮助正确的人,在正确时间做出更安全的决定,并让全过程可验证、可追溯、可恢复?

这应当成为医疗软件设计的起点。

VARIPULSE™ Catheter | J&J MedTech US
我们这次重点研究的对象是VARIPULSETM Platform From Johnson & Johnson MedTech,https://www.jnjmedtech.com/en-US/products/cardiovascular/carto/support/#flexblocks_base_1

 

 

一、先定义边界,再开始设计

 

“医疗软件”并不是单一品类。

医院管理系统关注预约、收费、库存和排班;临床工作系统承载病历、医嘱、护理与检查;患者端产品连接随访、健康管理和用药提醒;临床决策支持系统则可能提供风险评分、诊疗建议或预警。进一步向前,还有辅助诊断、生命体征监测、治疗控制以及各类医疗 AI 产品。

不同产品看起来都在处理医疗信息,承担的责任却完全不同。

一个展示健康知识的页面,与一个影响医生诊断的算法结果,不能采用同一套产品标准。软件的输出越接近诊断、治疗和患者安全,其设计、验证、变更与监管要求就越严格。

所以,在讨论页面、功能和技术架构之前,团队首先要明确三个问题:软件服务谁、参与哪一段医疗流程、错误输出可能带来什么后果。

产品边界一旦模糊,后续的体验设计、权限体系、风险控制和合规工作都会失去准确基础。

 

二、医疗体验设计的起点,不是需求清单,而是风险清单

 

传统产品设计常从“用户想完成什么”出发。医疗软件还需要多问一步:当用户操作错误、数据异常或系统失效时,会发生什么?

例如:

  • 是否可能选错患者?
  • 剂量、单位、时间或身体左右侧是否容易混淆?
  • 数据缺失、延迟或过期时,系统是否仍会给出结论?
  • 网络中断或外部接口失败后,关键工作能否继续?
  • 用户能否撤销错误操作,系统是否保留修改前后的记录?
  • 当 AI 给出错误建议时,人是否有机会发现并阻止它?

这些问题不是上线前测试阶段才需要补充的检查项,而应当直接参与产品结构和交互逻辑的形成。

真正有效的风险控制也有明确顺序:首先尝试从设计上消除危险;无法完全消除时,再通过校验、联锁、权限和保护机制降低风险;警告文字和人员培训应当是最后一道防线,而不是主要解决方案。

例如,与其在页面角落提示“请注意患者信息”,不如让患者姓名、身份标识、过敏史和当前就诊状态持续可见;与其频繁弹出“请谨慎操作”,不如只在高风险节点进行具有上下文的确认。

安全不是页面上增加一个提示图标,而是把错误变得更难发生,让异常更容易被发现。

 

三、设计应围绕临床工作流,而不是功能菜单

 

医疗软件最常见的问题之一,是把组织架构或功能模块直接翻译成导航菜单,却忽略了使用者真正的工作过程。

医生、护士、检验人员和患者面对的,从来不是孤立功能。他们面对的是一段有前后关系、有时间压力、会被不断打断的任务。

一名护士可能戴着手套,在病区移动中完成信息核对;一名急诊医生可能需要在极短时间内读取多源数据;检验结果可能来自 LIS,影像来自 PACS,患者身份和医嘱来自 HIS;正常状态下成立的操作步骤,在紧急状态下可能完全不可用。

因此,医疗 UX 不能只在会议室里依靠流程图完成。设计团队需要进入真实现场,观察用户使用什么设备、在什么环境中工作、信息从哪里来、在哪一步停顿、哪些动作被重复、哪些信息容易被遗漏。

设计优化的重点也不是机械地追求“少一次点击”。一次有意义的核对可能比一步直达更安全。真正应该减少的,是重复录入、无意义跳转、反复查找和缺乏上下文的确认。

好的工作流设计,会让信息在需要时自然出现,让关键动作在正确节点发生,并让不同角色在同一条医疗链路中保持清晰协作。

 

四、医疗界面必须让关键信息更快被看见,也更难被误解

 

在普通消费产品中,界面可以强调情绪、探索与个性;在医疗系统中,视觉表达首先承担识别、判断和防错责任。

一条医疗数据不应只是一个数字。它还需要同时说明单位、参考范围、采集时间、数据来源以及是否已经审核。异常结果不能只依赖颜色,因为颜色可能受到环境、设备和用户视觉能力的影响。相似药名、相近患者、不同剂型和计量单位,需要通过信息结构建立足够明确的差异。

界面还应持续回答几个问题:

  • 当前看到的是哪位患者的数据?
  • 数据是否完整、最新、可信?
  • 这是系统记录的事实、模型生成的推断,还是医务人员的判断?
  • 这项内容由谁在什么时候创建或修改?
  • 如果提交失败、信息冲突或系统离线,下一步应该做什么?

这意味着医疗界面不能只设计“理想状态”。加载、失败、离线、权限不足、数据冲突和降级运行,同样是完整体验的一部分。

警报设计尤其如此。更多警报并不必然带来更高安全性。大量低价值、重复出现的提醒会形成警报疲劳,使用户逐渐忽略真正重要的信息。高质量的警报系统,应依据风险等级、临床语境和可执行性进行分层,并明确告诉用户发生了什么、为什么重要、现在可以采取什么行动。

 

五、医疗 AI 不应只是一个聊天窗口

 

AI 正在进入病历生成、影像识别、风险预测、知识检索和临床决策等场景。但把大模型接入一个对话框,并不等于完成了医疗 AI 产品设计。

医疗 AI 首先应当是一个可识别、可限制、可监督的系统组件。

用户需要知道模型使用了哪些输入数据、数据来自何时、结论依据是什么、适用于什么范围、有哪些已知限制。当输入不完整或模型置信度不足时,系统应明确提示不确定性,而不是继续输出看似完整的答案。

同时,模型版本、知识库版本、调用记录、人工确认与修改都应被保留。AI 生成内容进入病历后,也应与人工内容明确区分,避免机器推断在流转中被误认为已经确认的临床事实。

对于诊断、医嘱、剂量等高风险结果,生成能力不能直接连接执行能力。结构化规则校验、适应证和禁忌核对、权限控制以及明确的人工审批,都是必要的安全边界。

换句话说,医疗 AI 的核心竞争力不只是“回答得像不像专家”,而是系统能否正确表达自己的能力边界,并在人机协作中保持可控。

 

六、隐私与安全不是后台问题,而是产品体验的一部分

 

医疗健康信息高度敏感。数据一旦被滥用或泄露,影响的不只是账户安全,还可能涉及患者尊严、社会关系与现实权益。

因此,隐私和安全不能等产品完成后再交给技术或法务补充,而要进入产品架构与服务流程。

系统应尽量减少不必要的数据采集,依据岗位、机构和患者关系分配权限,对传输和存储过程进行保护,并对导出、共享、批量查询和敏感字段访问设置更严格的控制。数据保留、删除、备份、灾难恢复与安全事件响应,也需要在产品设计阶段被明确。

审计能力则是医疗系统可信度的重要基础。一套完整记录,应能够回答:谁在什么时候,查看或修改了哪位患者的哪些数据;修改前后有什么变化;这一行为基于什么权限;出现问题后能否还原过程。

对用户而言,安全并不意味着层层阻碍。优秀的权限和安全设计,应当在不打断正常工作的前提下,让不合理的访问更难发生,让高风险行为留下清晰证据。

 

七、从“交付功能”转向“交付证据”

 

普通软件常以“功能是否完成”判断项目进度。医疗软件还必须证明:它为什么值得被信任。

团队需要建立一条贯穿产品全生命周期的证据链:

临床需求 → 产品需求 → 风险 → 设计 → 实现 → 测试 → 发布版本 → 上线监测

每一项高风险需求都应有相应控制措施,每一项控制措施都应被验证。关键算法需要证明达到预期性能,目标用户需要在接近真实的环境中完成关键任务,每次功能或模型变更也要评估它可能影响哪些流程、风险和验证结果。

这会改变团队对设计交付物的理解。原型不仅用于呈现页面,也用于验证关键任务;设计规范不仅统一视觉,也要说明状态、权限与异常规则;用户测试不只关注“是否喜欢”,更要确认用户能否正确理解信息、完成任务并从错误中安全恢复。

对于医疗软件而言,设计不是研发之前的一次美化工作,而是连接临床需求、风险管理、技术实现与验证证据的核心过程。

 

结语:安全感来自一套看得见的秩序

 

医疗数字化正在快速发展,但真正出色的产品,往往并不以功能数量取胜。

它能够让身份始终清楚,让数据带有时间和来源,让系统事实与模型推断彼此分离;它能在错误发生之前进行预防,在异常出现时帮助用户察觉,在系统失效后提供安全的退路;它也能让每一项重要决定被解释、被追溯、被验证。

最终,我们可以用五个问题重新审视一款医疗软件:

  1. 它是否改善了明确的临床结果或工作效率?
  2. 当用户犯错时,系统是否能够预防、发现或帮助其安全恢复?
  3. 每一个重要结论是否可解释、可追溯?
  4. 当系统或 AI 失效时,医疗工作能否安全继续?
  5. 产品是否拥有足够证据,证明其安全、有效并持续受控?

在 STOYARD 看来,医疗软件设计的价值,正是在复杂技术、临床任务与人的判断之间建立清晰秩序。视觉、交互、内容与技术并非彼此独立的环节,它们共同决定信息能否被准确理解、风险能否被及时识别、信任能否真正建立。

真正好的医疗软件,不只是帮助人把事情做完。

 

 

它还应帮助人把重要的事情做对。

 

 


 

参考资料