← 最新论文
💻 computer science

From Sustainability Assessment to Decision Records: The SEEDS Framework for Sustainable Requirements Engineering in Digital Health Software

本文介绍了 SEEDS,这是一个用于数字健康领域可持续需求工程的角色感知框架,它将多维度的可持续性评估转化为可操作的决策记录和需求,并辅以一种新型的、由大语言模型辅助的起草工具,以增强实际应用中的采用率。

原作者: Juliana Silva Herbert, Rafael Torres Dias, Lívia Reis Edinger Silva, Mariana Koerber Albino, Muriel Figueredo Franco

发布于 2026-08-26
📖 1 分钟阅读☕ 轻松阅读

原作者: Juliana Silva Herbert, Rafael Torres Dias, Lívia Reis Edinger Silva, Mariana Koerber Albino, Muriel Figueredo Franco

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

在现代世界中,软件不再仅仅是一种工具;它是我们日常生活中无形的基础设施,从管理银行账户的应用程序到协调紧急护理的系统。当我们构建这些数字系统时,我们经常会问它们是否运行良好、是否安全以及是否易于使用。然而,工程师们日益意识到,仅有这些问题是不够的。一个真正成功的系统还必须是可持续的。在这种语境下,可持续性不仅仅意味着节省电力或减少碳足迹,尽管这些也是其中的一部分。这是一个更广泛的概念,它在询问:一段软件能否在多年内不崩溃?它是否公平地对待所有用户?它是否符合医院的预算?以及它是否支持每天使用它的人们的心理健康?挑战一直在于如何将这些宏大、抽象的概念转化为编写代码的人的具体指令。如果没有一条清晰的路径,将像“更具可持续性”这样模糊的目标转化为计算机程序的具体规则,这些目标往往只能停留在愿望层面,永远无法真正构建到最终产品中。

来自巴西阿雷格里港联邦健康科学大学的一个研究小组开发了一种新方法来弥补这一差距,特别是在复杂的数字健康领域。他们创建了一个名为 SEEDS 的框架,这是一个关于如何使软件在五个关键领域实现可持续性的结构化方法:它对个体用户的影响、对社会的影响、经济可行性、技术强度以及环境足迹。研究人员认识到,患者、医生和软件开发人员看待同一个软件的方式完全不同。患者可能会担心应用程序是否易于阅读,而开发人员则担心系统能否在处理数百万用户时而不崩溃。旧有的检查可持续性的方法往往对所有人一视同仁,要求患者判断他们看不见的细节,或者要求开发人员去猜测患者的感觉。这个新框架通过坚持从提出问题的特定人员的角度来看待每一个关注点,解决了这个问题。

这种新方法的核心是一份名为“可持续性决策记录”(Sustainability Decision Record)的文件。可以将它想象成一本连接问题与解决方案的详细日志。当利益相关者(如护士或医院管理者)发现一个可持续性问题时,该框架会引导他们按照特定的格式将其记录下来。这种格式迫使他们明确定义是谁看到了这个问题、它涉及五个可持续性维度中的哪一部分,以及软件必须遵循哪条具体的规则来解决它。例如,如果一名患者说健康门户网站过于混乱,记录并不仅仅是说“使其更好”,而是将其转化为一条具体的规则,例如“系统必须对所有医学术语使用简单的语言”,然后列出如何证明其有效的方法,比如进行真实用户的测试。至关重要的是,该记录还迫使团队写下任何权衡取舍。如果让系统对患者更简单会导致安全性降低,这种紧张关系会被明确记录下来,从而确保以后没有人会忘记决策的代价。

研究人员在三个非常不同的场景中测试了这种方法,以观察它在现实世界中是否有效。首先,他们研究了已经在使用的数字健康系统,探讨该框架如何帮助改进它们。他们发现,通过从特定角色的视角进行观察,他们可以发现隐藏的问题,例如一个技术上很完善但对老年患者来说很困惑的系统,并将这些观察转化为清晰的更新指令。其次,他们将其应用于决定是否采用一种新的数字健康解决方案进入公共卫生系统的过程。在这里,该框架帮助管理者在签署合同前提出正确的问题,例如要求提供证据证明新工具可以与现有系统共享数据,从而防止未来被单一且昂贵的供应商所捆绑。第三,当一家医院要求构建一个全新的系统时,他们使用了该方法。通过在最初阶段引入可持续性规则,他们确保了诸如数据隐私和长期维护成本等问题在编写第一行代码之前就得到了考虑,而不是在事后才试图去修复。

为了应对编写这些详细记录可能耗时的问题,团队还探索了使用人工智能来提供帮助。他们构建了一个系统,让大型语言模型可以阅读最初的担忧并起草决策记录的第一版。然而,他们非常谨慎地设计了这一点,使计算机仅作为辅助者而非决策者。人工智能可以建议规则应该是怎样的以及需要哪些证据,但人类专家必须审查每一项建议,纠正任何错误,并做出最终决定。这种方法表明,虽然计算机可以加快文书工作,但医生、护士和管理者的判断对于确保决策安全且公平仍然至关重要。

研究表明,这种方法成功地将可持续性的模糊概念转化为了工程师可以实际构建和测试的内容。通过建立个人担忧与具体软件规则之间的联系,该框架确保了可持续性不仅仅是一个术语,而是软件生命周期中可追溯的一部分。研究人员发现,当团队使用这种方法时,他们能够更好地识别不同目标之间的冲突,例如系统速度与安全性之间的紧张关系,并且可以清晰地记录他们的选择。这意味着,几年后,如果软件需要更改,下一支团队将确切知道最初决策的原因。虽然研究人员指出,还需要更多的测试来观察这是否适用于其他国家或其他类型的软件,但他们的工作提供了一条充满希望的前行之路。它表明,为了让数字健康真正长期地服务于人类,构建它的那些人必须拥有一种清晰的、共同的语言,来讨论那些最重要的事物。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →