项目第二个月，临床主任在站会结束后把我拦下来。
不是质问，是疲惫。
"我需要知道，这个东西到底能不能按时交付。"
她被坑过。
某个供应商，承诺了一套护理管理工具，做了八个月，做出了一个漂亮的Demo，然后
失联了。
临床医生等了。患者等了。什么都没来。
我说："六周之内，你会拿到可以用的东西。"
她看我的眼神，像在看一个要么非常勇敢、要么非常愚蠢的人。
我们用了五周。
不是因为团队有多厉害。
是因为我们对"MVP必须是什么"足够狠，对"MVP不应该是什么"同样足够狠。
为什么偏偏选了最难的方向
我们做的是一个药物滥用障碍（Substance Use Disorder，SUD）患者监测系统。
如果你不熟悉这个领域，让我告诉你它有多难
数据稀疏。 SUD患者往往是医疗系统里最难追踪的群体：漏诊、断保、频繁转诊、不规律就诊。你拿到的数据，充满空洞。
法律复杂。 行为健康数据受美国联邦法规42 CFR Part 2的特别保护，比普通的HIPAA更严格。在错误的上下文里展示一个患者标记，可能引发法律和伦理问题。
临床情感负担重。 做SUD工作的护理师，每天面对的是高度复杂、高度脆弱的患者群体。她们已经超负荷运转。
污名化严重。 在数据里，在工作流里，在组织文化里,都有。
所以当我们决定在这个领域做MVP，不是在做一道简单题。
我们做的每一个产品决定，都必须在这个背景下成立。
最重要的一步：先别想产品，先想清楚"谁的问题"
医疗AI MVP最常见的失败模式，和所有行业一样：
试图一次解决所有人的问题。
护理师要更好的患者排序。临床主任要结果追踪。合规团队要审计记录。数据团队要干净的管道。高管要一个可以拿去汇报的大屏。
每一个需求都是真实的。每一个都不应该进MVP。
MVP不是完整产品的缩小版。
MVP是能真正解决一个真实的人的一个真实问题的最小东西。
前两周，我们只做一件事：
搞清楚我们首先在为谁解决什么问题。
我们去到护理师真实工作的地方,不是会议室，是她们的工位。我们观察她们怎么管理案例。我们问"上一次"问题。我们问她们的workaround。
我们发现的东西出乎意料。
问题不是数据不够。
数据有,分散在三个系统里，理论上能查到，实际上痛苦无比。
真正的问题是：决策时间太长。
每天早上，一个管着60个患者的护理师，需要搞清楚今天最需要打电话给谁。
她们用的方法是：直觉、记忆、随机抽查。
不是因为她们喜欢这样，是因为没有任何工具在正确的时间给出正确的信号。
于是我们确定了MVP的问题陈述：
帮助护理师在每天开始工作时，知道哪些患者需要关注,不需要她们自己去挖。
不是"建立全面的SUD风险模型"。不是"构建纵向结果追踪系统"。不是"接入三套EHR"。
一个问题。一类用户。一个工作流节点。
我们到底做了什么（以及没做什么）
MVP只有四个组件。
组件一：风险信号，而不是风险评分
v1没有做预测模型。
我们做的是基于规则的信号层,从理赔和护理管理数据中提取可观察到的行为模式：
- 特定时间窗内的爽约记录
- 药房数据中断（提示患者脱离治疗）
- 带行为健康编码的近期急诊就诊
- 与护理师的联系中断
为什么不做模型？
三个原因。
第一，我们没有足够的带标签结果数据来训练一个站得住脚的模型。在一个本来数据就有偏差的弱势群体上，用稀疏数据训出来的模型是风险，不是资产。
第二，护理师不信任黑盒评分。用户研究早就告诉我们这一点,我们展示早期原型时，一个数字"风险分数"配上零解释，换来的是怀疑。而基于规则的信号是可解释的。她可以看到患者被标记的具体原因。这种透明本身就是功能。
第三，规则上线快。我们有的是周，不是月。规则跑起来之后，等我们有了结果数据，再拿来训练模型。
不要让完美的架构成为可用产品的敌人。
组件二：单屏"晨报"，而不是仪表板
输出不是仪表板。
仪表板是用来探索的。我们的护理师不需要探索,她们需要一个起点。
我们做了一个叫**晨报（Morning Brief）**的东西：
每天早晨自动生成一个简单的排序列表，显示过去24到48小时内触发信号的患者。最多十到十五人，按信号的时效性和严重程度排序。
晨报只回答一个问题：今天早上我先打给谁？
就这一件事。点进去可以看患者详情和触发规则。可以标记"已联系"或"不适用"。
没有别的了。
这种极简是产品决策，不是资源限制。
每加一个功能，就在增加已经超负荷运转的护理管理师的认知负担。
我们要的晨报，是30秒能读完的，不是10分钟才能看懂的。
组件三：从第一天就建反馈回路
这是大多数MVP跳过的部分，也是最重要的部分。
v1里我们就内置了一个简单的反馈机制：
护理师在处理完一个由信号触发的患者之后，可以两次点击告诉我们这个信号有没有用（患者确实需要关注，还是这次标记是误报）。
这份反馈数据是金矿。
试点上线三周内，我们就有了足够的信号级反馈，知道哪些规则条件在产生有效标记，哪些在产生噪声。
我们关掉了两条高误报率的规则。调整了两条规则的阈值。从反馈里发现了一个我们根本没想到的规则条件。
这些学习，没有反馈机制就不存在。
而反馈机制花了我们大概三天开发时间。
先建反馈回路。在所有stakeholder要的功能之前。在报表之前。在集成之前。
组件四：合规审计日志——没人要，但必须有
v1里唯一一个和用户体验没有直接关系的组件：
每一条信号触发、每一次患者信息查看、每一个护理师的操作,全部记录在案。
不是因为我们偏执，是因为在42 CFR Part 2的合规环境里，能重建"谁在什么时候以什么理由访问了什么"是基础要求。
事后往系统里加审计日志，比从一开始就建进去难得多，也贵得多。
没有人在需求文档里提这件事。我们自己加上去的。
因为不做的合规代价，无法承受。
真实的三个月时间线
第1-2周：用研和问题定义
情境访谈。数据源盘点。合规预审。MVP问题陈述对齐。
没有写一行代码。
很多团队把这个阶段当做开销。它不是。这两周替我们省了六周的"做错方向"。
第3-5周：数据访问和管道搭建
比预期长,也就是说，完全符合医疗数据工作的一贯规律：总比计划的时间长。
数据权限申请。理解数据schema到能写出可靠查询的程度。处理各种数据质量问题：重复记录、编码不一致、保险覆盖空白。
先建管道，再建产品。没有干净的数据，演示风险信号就是空话。
第6-8周：信号逻辑和UI
规则条件大约花了一周来定义和验证,回溯历史队列，找到那些后来确实脱离治疗的患者，反推信号在脱离前会是什么样子。不是正式模型验证，但足够严谨，给了我们足够的信心。
UI两周。用React做，刻意极简。第八周末，找了两位护理师做现场可用性测试。她们发现了三个不对的地方。上线前全部修完。
第9-10周：试点准备和合规审查
合规审查、试点方案、护理师培训（1小时，现场，带Q&A,不是没人看的录播视频）、三个站点的技术部署。
第11-12周：试点上线和实时反馈收集
10位护理师。3个站点。60天初始试点。
我们每天都在Slack里跟试点团队保持联系。每一条Bug反馈、每一句"这里用起来不对劲"，24小时内记录和处理。
第11周上线。比我跟临床主任说的时间早了一周。
我们做错的三件事
一、低估了培训投入
1小时的现场培训不够。工具很简单，但习惯改变需要强化,真正从晨报开始一天，而不是回到原来的老习惯，需要时间。我们在两周后加了一次30分钟跟进会，采用率之后明显上升了。
二、上线前没有定义清楚"成功标准"
我们有模糊目标,提升护理师效率、改善患者联系率。但没有得到所有临床stakeholder事先认可的具体、可量化的成功指标。
第一次复盘会上，不同的人对试点"有没有成效"有不同的心理基准线，产生了不必要的摩擦。
上线前把成功指标定死。让每个人签字。感觉像走流程，但必须做。
三、患者详情页建晚了
试点头两周，护理师不断问："我看到了这个信号,但在打电话之前，我去哪里了解这个患者的背景？"
我们当时让她们切换到已有的护理管理系统查，但这个上下文切换在制造摩擦。
第13周我们补做了一个轻量患者摘要页,一屏，最相关的临床背景，从我们已经能访问的数据里聚合。
这个应该在原始MVP里就有。这是一个为了极简而牺牲了真实工作流适配的典型错误。
可以复用的MVP框架
先定用户和工作流节点，再定产品。 不是用户画像，是具体的人、具体的时间点、具体的任务。所有事情都从这里往后推。
抵制模型冲动。 在早期医疗AI里，一套设计良好的规则系统往往比一个平庸的预测模型更有效,因为它可解释、可信任、可上线。等你有了数据和验证基础设施，再建模型。不要在此之前。
把反馈收集当核心功能来建，因为它就是。 你的MVP是一个学习工具，产品反而是次要的。反馈回路才是把MVP转化成Roadmap的那个机制。
合规是架构，不是开销。 每一个被推迟的审计日志、数据访问控制、监管对齐决策，之后修复的成本都会更高。从一开始就做对。
带着谦逊去上线。 本能是再加一个功能，再打磨一个边界情况，再让一件事完美才发布。抵制它。在真实用户手里跑起来、产生真实反馈的产品，比还在staging里的完美产品更值钱。
那位用看不确定的眼神看我的临床主任，后来告诉我：
这是她的团队在过去两年里用起来最顺手的工具。
不是因为它最复杂。
是因为它对自己是什么、不是什么，最诚实。
后来发生了什么
v1是规则信号层加晨报。
v2用试点期间积累的结果标签，把其中两条规则替换成了轻量梯度提升模型。
v3加入了用结构化数据生成的自然语言患者近期护理历史摘要。
每一个版本的存在，都是因为上一个版本跑起来了、被使用了、产生了下一个版本需要的数据和信任。
这才是MVP的意义。不是成为最终产品，而是创造出可以在真实基础上构建最终产品的条件。
下期预告：Claims数据+LLM——GPT-4处理医疗理赔数据到底能做什么、不能做什么？我们实测的真实结果。
觉得有用？转发给正在做医疗AI产品的朋友 👇
评论区告诉我：你的MVP里最后悔没早做的是哪个功能？
美国医疗AI实战 专注于医疗数据与AI产品化的深度内容。作者有医疗数据产品从业背景，覆盖Medicaid、价值医疗、人口健康管理等领域实战经验。