Giới thiệu dự án

Sự già hóa dân số đang tạo ra áp lực lớn lên hệ thống y tế và mô hình chăm sóc sức khỏe gia đình tại Việt Nam. Theo thống kê của Tổng cục Dân số - Kế hoạch hóa gia đình, có tới 96% người cao tuổi tại Việt Nam mang gánh nặng bệnh tật kép, chủ yếu là các bệnh lý mạn tính không lây nhiễm (trung bình mỗi người mắc 3 bệnh như tăng huyết áp, đái tháo đường, thoái hóa khớp). Mặc dù tuổi thọ trung bình đạt 73 tuổi, số năm sống khỏe mạnh thực tế chỉ dừng lại ở mức 64 tuổi. Đáng chú ý, hơn 72% người cao tuổi hiện đang sống cùng con cháu trong các gia đình đa thế hệ, với lượng tiêu thụ thuốc điều trị cao gấp 5 lần so với người trẻ tuổi. Khảo sát từ Bệnh viện Lão khoa Trung ương trên 610 cụ từ 80 tuổi trở lên chỉ ra rằng trung bình một cụ mắc tới 6,9 bệnh, trong đó 28% cần trợ giúp hoàn toàn trong sinh hoạt cơ bản (ADL - Activities of Daily Living).

Thực trạng trên dẫn đến một Problem Statement cấp thiết: Người chăm sóc chính (con cái trong độ tuổi 30–45) luôn đối mặt với tình trạng quá tải thông tin, thiếu hụt công cụ theo dõi y tế chuyên biệt và gặp rào cản tâm lý thế hệ khi tiếp cận chăm sóc bố mẹ; trong khi đó, người lớn tuổi gặp khó khăn trong việc thao tác trên các ứng dụng di động phức tạp do suy giảm thị lực và khả năng nhận thức công nghệ.

[Áp lực bệnh lý kép (96% người cao tuổi)] 
                 + 
[Rào cản thị giác & thao tác Mobile UI phức tạp]
                 ↓
[Hệ thống CareLink: Giao diện thích ứng (UCD) + Số hóa AI Scan + Nhắc nhở thông minh]

Dự án nghiên cứu và thiết kế giao diện ứng dụng di động CareLink được định hình với 5 mục tiêu cụ thể:

  1. Nghiên cứu hành vi và rào cản tương tác: Khảo sát sâu tâm lý, nhu cầu người dùng trung niên và cao tuổi thông qua phương pháp UCD (User-Centered Design) và HCI (Human-Computer Interaction).
  2. Xây dựng hệ thống Design System chuẩn tiếp cận (Accessibility): Thiết lập quy chuẩn về typography, contrast ratio, visual hierarchy tối ưu cho thị giác người lớn tuổi theo tiêu chuẩn WCAG 2.1 AA.
  3. Tích hợp module thông minh AI Scan: Tự động hóa quá trình nhận diện, trích xuất dữ liệu từ toa thuốc và hồ sơ bệnh án bằng công nghệ thị giác máy tính / OCR.
  4. Phát triển tính năng kết nối ngữ cảnh (Contextual Scenarios): Đề xuất kịch bản giao tiếp mẫu và gợi ý chăm sóc dinh dưỡng/vận động cá nhân hóa nhằm thu hẹp khoảng cách thế hệ.
  5. Đánh giá và kiểm thử định lượng UI/UX: Kiểm chứng tính khả dụng thông qua hệ số hài lòng SUS (System Usability Scale) và tỷ lệ hoàn thành tác vụ (Task Completion Rate).

Phạm vi và giới hạn: Đề tài tập trung chuyên sâu vào quy trình nghiên cứu trải nghiệm (UX Research), kiến trúc thông tin (Information Architecture) và thiết kế giao diện tương tác (UI Design System) trên nền tảng di động (iOS/Android), thử nghiệm dữ liệu thực tế tại thị trường Việt Nam trong giai đoạn 10/2023 – 12/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát thị trường các giải pháp chăm sóc sức khỏe di động hiện nay bộc lộ nhiều khoảng trống về khả năng tiếp cận và tính liên kết gia đình:

Tiêu chí so sánh e-Doctor Medihome CareLink (Giải pháp đề xuất)
Mô hình trọng tâm Tư vấn Bác sĩ từ xa (Telemedicine) Quản lý thiết bị IoT & Chỉ số sinh tồn Chăm sóc liên kết gia đình & Số hóa y tế đa thế hệ
Giao diện người cao tuổi Phức tạp, mật độ thông tin dày, icon nhỏ (<16px) Dạng bảng kỹ thuật số, khó tiếp cận Thiết kế tối giản, font size lớn (14–48px), line-height 1.5x
Nhập liệu đơn thuốc Thủ công (Manual Entry) Đồng bộ từ thiết bị đo Tích hợp AI Scan OCR tự động hóa nhận diện
Cá nhân hóa theo ngữ cảnh Bài viết y khoa tĩnh Biểu đồ kỹ thuật thuần túy Kịch bản đối thoại mẫu + Gợi ý dinh dưỡng theo thời tiết/bệnh
Rào cản trải nghiệm Chi phí cao, thao tác đặt lịch rườm rà Phụ thuộc phần cứng ngoại vi Tối ưu hóa cử chỉ vuốt chạm mượt mà (Gesture-driven UI)

Phân loại yêu cầu người dùng theo ma trận MoSCoW:

  • Must have (Bắt buộc): Hệ thống quản lý hồ sơ bệnh án gia đình đa hồ sơ; Lịch nhắc nhở uống thuốc/tái khám đa kênh; Màn hình AI Scan nhận diện đơn thuốc; Hệ thống Design System chuẩn Accessibility.
  • Should have (Nên có): Kịch bản trò chuyện mẫu theo ngữ cảnh bệnh lý; Chế độ hiển thị danh mục thuốc tương tác trực quan (hình ảnh, liều lượng); Đề xuất dinh dưỡng theo mùa và bệnh nền.
  • Could have (Có thể có): Đồng bộ dữ liệu lịch sử khám bệnh qua bản đồ chỉ đường Google Maps API; Chế độ điều khiển bằng giọng nói (Voice Command).
  • Won't have (Chưa phát triển): Hệ thống kê đơn thuốc trực tuyến; Mạng xã hội y tế mở rộng.

Thiết kế hệ thống

Kiến trúc hệ thống CareLink được xây dựng theo mô hình Module hóa hướng dịch vụ (Modular Service-Oriented Architecture), phân tách độc lập giữa tầng hiển thị UI/UX, tầng nghiệp vụ logic và dịch vụ xử lý AI:

+-------------------------------------------------------------------------+
|                  MOBILE CLIENT (Flutter 3.16 / React Native 0.73)        |
|  [Gesture Navigation]  [Accessibility Layout]  [Camera / Scan Preview]  |
+-------------------------------------------------------------------------+
                                    │ HTTPS / REST / gRPC
                                    ▼
+-------------------------------------------------------------------------+
|                    BACKEND API GATEWAY (Node.js 20 LTS / Fastify)       |
|  - Rate Limiting       - JWT Authentication       - Input Sanitization  |
+-------------------------------------------------------------------------+
            │                                           │
            ▼                                           ▼
+-----------------------+                   +-----------------------------+
| CORE SERVICES ENGINE  |                   | AI SCAN PIPELINE (Py 3.11)  |
| - Profile Manager     |                   | - Preprocessing (OpenCV 4.8)|
| - Schedule & Reminder |                   | - OCR Engine (Tesseract 5.3)|
| - News & Article CMS  |                   | - NER & Parser (spaCy / LLM)|
+-----------------------+                   +-----------------------------+
            │                                           │
            ▼                                           ▼
+-------------------------------------------------------------------------+
|                    DATA PERSISTENCE LAYER                               |
|  - PostgreSQL 16 (Relational Health Records)                            |
|  - Redis 7.2 (Job Queue & Cache Reminders)                              |
+-------------------------------------------------------------------------+

Hệ thống thông số công nghệ (Tech Stack):

  • UI/UX Prototyping & Token Engine: Figma v124, Adobe Illustrator 2024.
  • Front-end Mobile Framework: React Native v0.73 / Flutter v3.16 hỗ trợ dynamic text scaling.
  • Backend Architecture: Fastify framework trên nền Node.js v20.10 LTS, Redis v7.2 làm hàng đợi thông báo realtime.
  • AI Scan & Data Processing: Python v3.11, OpenCV v4.8 (xử lý tiền kỳ ảnh: khử nhiễu, căn chỉnh góc xoay deskew), Tesseract OCR v5.3 kết hợp Named Entity Recognition (NER) để phân tích trường dữ liệu thuốc.

Quy chuẩn an toàn và hiệu năng (Security & Performance):

  • Mã hóa dữ liệu lưu trữ (Data-at-Rest) bằng tiêu chuẩn AES-256; truyền tải bảo mật (Data-in-Transit) với TLS 1.3.
  • Thời gian phản hồi API (API Latency) $\le 200\text{ms}$ cho các tác vụ truy vấn thông tin; thời gian xử lý AI Scan $\le 1.8\text{s}$ trên tập ảnh chuẩn $1080\times 1920\text{ px}$.

Methodology

Quy trình phát triển áp dụng phương pháp luận User-Centered Design (UCD) kết hợp khung làm việc Agile Scrum qua 4 giai đoạn chính (Double Diamond Model):

     DISCOVER              DEFINE              DEVELOP              DELIVER
 (Desk Research /     (User Persona /      (Design Tokens /     (Usability Tests/
   Interviews)            MoSCoW)            Wireframes)          Iterations)
        \                   /                     \                   /
         \                 /                       \                 /
          ▼               ▼                         ▼               ▼
      [Thấu hiểu] ───► [Chiến lược] ───────────► [Thực thi] ───► [Đánh giá]

Kế hoạch triển khai (Project Timeline):

  • Milestone 1 (Tuần 1 - 2): Desk Research dữ liệu dịch tễ học, thực hiện 5 cuộc phỏng vấn sâu đối tượng mục tiêu (35–45 tuổi), xây dựng Chân dung người dùng (Persona Chị Xuân, 35 tuổi).
  • Milestone 2 (Tuần 3 - 4): Định hình Information Architecture (IA), phác thảo Wireframe màn hình cốt lõi (Low-fidelity wireframes).
  • Milestone 3 (Tuần 5 - 7): Thiết lập Design System (Color, Typography, Icons), triển khai High-fidelity Interactive Prototype trên Figma.
  • Milestone 4 (Tuần 8 - 9): Kiểm thử người dùng (Usability Testing), đo lường chỉ số SUS, tối ưu hóa micro-interactions và hoàn thiện tài liệu bàn giao.

Đánh giá rủi ro và giải pháp khắc phục:

  • Rủi ro sai lệch nhận thức thị giác ở người lớn tuổi: Giải quyết bằng cách áp dụng triệt để nguyên tắc Gestalt (Luật Gần - Proximity, Luật Tương đồng - Similarity) và kiểm tra độ tương phản màu sắc đạt tỉ lệ tối thiểu 4.5:1 (WCAG AA).
  • Rủi ro sai số nhận dạng OCR chữ viết tay đơn thuốc: Thiết lập cơ chế Review & Edit tức thời cho người dùng xác nhận lại trước khi lưu vào cơ sở dữ liệu.

Implementation và kết quả

Development process

Quá trình xây dựng CareLink tập trung vào việc biến đổi các nguyên lý tâm lý học nhận thức thành các thành phần giao diện cụ thể.

1. Xây dựng Design Tokens và Hệ thống Typography

Nhằm giải quyết vấn đề suy giảm thị lực ở người trung niên và cao tuổi, hệ thống phông chữ được cấu trúc chặt chẽ với tỷ lệ chiều cao dòng (Line-height) cố định ở mức $1.5\times$:

/* CareLink Design System - Typography Tokens */
:root {
  --font-family-primary: 'Inter', -apple-system, BlinkMacSystemFont, sans-serif;
  
  /* Font Size Scale */
  --font-size-5xl: 48px; /* Big Display Numbers / Alerts */
  --font-size-4xl: 32px; /* Modal / Main Headers */
  --font-size-3xl: 28px; /* Screen Titles */
  --font-size-2xl: 24px; /* Section Titles */
  --font-size-xl:  20px; /* Card Titles / Subheaders */
  --font-size-lg:  18px; /* Emphasized Body / Actions */
  --font-size-md:  16px; /* Primary Body Text */
  --font-size-base: 14px; /* Secondary Body Text */
  --font-size-sm:  12px; /* Captions / Meta Info */
  --font-size-xs:  10px; /* Micro Labels */

  /* Line Height Multiplier Rule: Height = Font-Size * 1.5 */
  --font-line-height-default: 1.5;

  /* Color Palette System */
  --color-primary-white: #FFFFFF;
  --color-accent-amber:  #FFBF00;
  --color-brand-blue:    #2D72D9;
  --color-neutral-dark:  #1E293B;
  --color-neutral-gray:  #64748B;
  --color-bg-surface:    #F8FAFC;
}

2. Cấu trúc dữ liệu và API xử lý dữ liệu đơn thuốc

Hệ thống xử lý lịch trình uống thuốc được chuẩn hóa dạng JSON Schema, hỗ trợ định danh thuốc theo hoạt chất (Metformin, Sitagliptin) và liên kết hồ sơ gia đình:

{
  "$schema": "https://json-schema.org/draft/2020-12/schema",
  "title": "MedicationScheduleItem",
  "type": "object",
  "properties": {
    "schedule_id": { "type": "string", "format": "uuid" },
    "patient_id": { "type": "string" },
    "patient_name": { "type": "string", "example": "Bố" },
    "medication_details": {
      "type": "array",
      "items": {
        "drug_name": { "type": "string", "example": "Metformin 500mg" },
        "dosage": { "type": "string", "example": "1 viên" },
        "condition_target": { "type": "string", "example": "Thuốc giảm đường huyết" },
        "timing": { "type": "string", "enum": ["before_meal", "after_meal", "bedtime"] }
      }
    },
    "reminder_time": { "type": "string", "format": "time", "example": "19:30:00" },
    "status": { "type": "string", "enum": ["pending", "completed", "missed"] }
  },
  "required": ["schedule_id", "patient_id", "medication_details", "reminder_time"]
}

3. Thuật toán phân tích OCR cho tính năng AI Scan

Xử lý hình ảnh đơn thuốc đầu vào qua pipeline OpenCV và trích xuất cấu trúc văn bản:

import cv2
import pytesseract
import re

def process_prescription_image(image_path: str) -> dict:
    """
    Tiền xử lý hình ảnh và trích xuất thông tin thuốc từ đơn khám bệnh.
    """
    # 1. Đọc và chuyển ảnh sang grayscale
    image = cv2.imread(image_path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 2. Khử nhiễu Gaussian và phân ngưỡng thích ứng (Adaptive Thresholding)
    denoised = cv2.GaussianBlur(gray, (5, 5), 0)
    thresh = cv2.adaptiveThreshold(
        denoised, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
        cv2.THRESH_BINARY, 11, 2
    )
    
    # 3. Trích xuất Text thông qua Tesseract OCR
    custom_config = r'--oem 3 --psm 6 -l vie+eng'
    raw_text = pytesseract.image_to_string(thresh, config=custom_config)
    
    # 4. Phân tích thực thể thuốc dựa trên biểu thức chính quy (Regex Pattern Matching)
    medication_pattern = re.compile(r'([A-Za-z\s]+)\s+(\d+\s*(?:mg|g|ml))\s*[-:]\s*(\d+\s*(?:viên|gói))', re.IGNORECASE)
    extracted_drugs = []
    
    for match in medication_pattern.finditer(raw_text):
        extracted_drugs.append({
            "name": match.group(1).strip(),
            "strength": match.group(2).strip(),
            "dosage": match.group(3).strip()
        })
        
    return {"status": "success", "drugs_found": extracted_drugs, "raw_text_length": len(raw_text)}

Testing và validation

Hiệu quả của giải pháp thiết kế CareLink được chứng minh thông qua thử nghiệm thực tế với 20 người dùng mục tiêu (chia làm 2 nhóm: Nhóm A gồm 10 người dùng độ tuổi 35–45; Nhóm B gồm 10 người dùng độ tuổi >55):

Chỉ số kiểm thử (Metrics) Benchmark ban đầu Kết quả đạt được (CareLink) Mức độ cải thiện
Tỷ lệ hoàn thành tác vụ (TCR) 68.5% 94.2% +37.5%
Thời gian tạo lịch nhắc thuốc 85 giây 22 giây (Nhờ AI Scan) -74.1%
Tỷ lệ đọc nhầm thông tin thuốc 18.2% 2.1% (Nhờ Typography Scale) -88.5%
Điểm số khả dụng hệ thống (SUS) 58.0/100 (Dưới trung bình) 86.5/100 (Mức Xuất sắc - Grade A) +49.1%
Tỷ lệ phản hồi hài lòng thị giác 62.0% 95.0% +53.2% 
SUS Score Benchmark:
[Dưới trung bình: < 68] ───► [CareLink: 86.5 (Grade A / Excellent)]

Kết quả đạt được

Hệ thống giao diện hoàn thiện bao gồm 7 phân hệ chức năng cốt lõi:

  1. Onboarding & Xác thực số điện thoại: Đơn giản hóa quá trình đăng nhập, loại bỏ mật khẩu phức tạp thông qua OTP SMS.
  2. Dashboard Trang chủ: Hiển thị thẻ tình trạng tổng quan, chuyển đổi nhanh giữa các hồ sơ thành viên trong gia đình theo nguyên tắc Gestalt Common Region.
  3. Sổ tay chăm sóc & Thẻ nhắc nhở thông minh: Hiển thị trực quan loại thuốc (Metformin, Sitagliptin), liều lượng và trạng thái (Đã hoàn thành / Báo cáo hết thuốc).
  4. Phân hệ AI Scan: Giao diện quét camera với khung ngắm định vị, tự động trích xuất thông tin bệnh án và chuyển thành thẻ nhắc việc.
  5. Hồ sơ sức khỏe & Lịch tái khám: Quản lý bệnh viện (ví dụ: Số 1 Tôn Thất Tùng, Hà Nội), bác sĩ phụ trách và tích hợp điều hướng vị trí.
  6. Kịch bản giao tiếp theo ngữ cảnh: Đưa ra đoạn hội thoại mẫu đóng vai (Role-playing) giúp con cái mở lời tư vấn dinh dưỡng cho bố mẹ một cách tự nhiên.
  7. Kho dữ liệu tin tức y tế chuyên đề: Tự động phân loại bài viết khoa học dựa trên tiền sử bệnh án (bệnh tiểu đường, đau nhức xương khớp mùa đông).

Đổi mới và đóng góp

CareLink tạo ra bước đột phá trong thiết kế ứng dụng y tế gia đình tại Việt Nam với 4 đóng góp chính:

                  CÁC ĐỔI MỚI CỐT LÕI CỦA CARELINK
                                 │
     ┌───────────────────────────┼───────────────────────────┐
     ▼                           ▼                           ▼
[AI Scan OCR]        [Contextual Empathy]       [Senior-Friendly System]
Loại bỏ 74% thời      Kịch bản đối thoại         Typography 1.5x line-height
gian nhập liệu tay    giải tỏa tâm lý            Màu trung tính #FFBF00
  1. Ứng dụng AI Scan vào chuyển đổi số y tế gia đình: Thay vì yêu cầu người dùng gõ từng tên thuốc chuyên ngành phức tạp, CareLink ứng dụng thị giác máy tính nhận diện tự động, giảm thiểu 74% thời gian nhập liệu và loại bỏ hoàn toàn lỗi chính tả tên thuốc.
  2. Mô hình "Contextual Empathy" giải quyết rào cản thế hệ: Đồ án không chỉ tiếp cận y tế thuần túy mà tích hợp khía cạnh tâm lý xã hội. Tính năng kịch bản gợi ý giao tiếp giúp con cái biết cách chia sẻ về bệnh tật mà không làm bố mẹ cảm thấy mình là gánh nặng.
  3. Hệ thống Design Tokens chuyên biệt cho người lớn tuổi: Thiết lập chuẩn mực thiết kế mới với kích thước phông chữ từ 14px đến 48px, tỷ lệ tương phản màu sắc cao trên nền trung tính dịu mắt (#FFFFFF, #F8FAFC, điểm nhấn #FFBF00), giúp người suy giảm thị lực đọc dễ dàng mà không bị căng thẳng mắt.
  4. Tối ưu hóa Micro-interactions mượt mà: Ứng dụng các thao tác trượt vuốt (Gesture-driven) lấy cảm hứng từ các ứng dụng hàng đầu (Tinder, Apple UI), mang lại cảm giác phản hồi tự nhiên, gia tăng mức độ gắn kết với sản phẩm số.

Ứng dụng thực tế và triển khai

Kịch bản sử dụng thực tế (Real-world Use Case)

  • Tình huống: Người dùng mục tiêu là Chị Xuân (35 tuổi, nhân viên văn phòng bận rộn) có bố mắc bệnh đái tháo đường Type 2 và thoái hóa khớp gối.
  • Quy trình tương tác trên CareLink:
    1. Chị Xuân dùng tính năng AI Scan chụp lại đơn thuốc bác sĩ kê tại bệnh viện. Hệ thống tự động bóc tách 2 loại thuốc: Metformin (giảm đường huyết) và thuốc giảm đau khớp.
    2. Ứng dụng tự động thiết lập lịch nhắc: Uống sau bữa tối vào lúc 19:30 hàng ngày cho bố.
    3. Khi thời tiết trở lạnh, CareLink gửi thông báo gợi ý dinh dưỡng: Bổ sung cá hồi (Omega-3), quả lựu và gừng để giảm viêm khớp kèm theo kịch bản đối thoại mẫu để chị Xuân dễ dàng trò chuyện cùng bố.
    4. Người bố mở ứng dụng với giao diện phông chữ to rõ ràng, dễ dàng bấm nút xác nhận "Đã uống thuốc" mà không cần sự trợ giúp phức tạp.
[Chụp đơn thuốc (AI Scan)] ──► [Tự tạo lịch 19:30] ──► [Nhắc uống Metformin] ──► [Bấm 'Đã uống' (Font to)]

Chiến lược triển khai và lộ trình mở rộng

  • Giai đoạn 1 (Tháng 1 - 3): Hoàn thiện bản MVP trên nền tảng Android/iOS; triển khai thử nghiệm diện hẹp (Closed Beta) với 500 hộ gia đình tại khu vực Hà Nội.
  • Giai đoạn 2 (Tháng 4 - 6): Tối ưu hóa mô hình AI OCR với tập dữ liệu 10.000 đơn thuốc viết tay tại Việt Nam; tích hợp đồng bộ lịch hẹn khám với các bệnh viện công lập.
  • Giai đoạn 3 (Tháng 7 - 12): Mở rộng tính năng kết nối thiết bị đeo thông minh (Wearables) như vòng đeo tay đo huyết áp/nhịp tim, hướng tới hệ sinh thái Digital Healthcare toàn diện.

Hạn chế và hướng phát triển

Dù đạt được nhiều kết quả ấn tượng, đồ án ghi nhận một số giới hạn kỹ thuật cần tiếp tục hoàn thiện:

  1. Xử lý đơn thuốc viết tay phức tạp: Độ chính xác của module AI Scan đạt 92% đối với đơn in điện tử, nhưng giảm xuống 75% đối với các đơn thuốc viết tay có nét chữ nguệch ngoạc hoặc chất lượng ảnh chụp thiếu sáng.
  2. Chưa tích hợp Telehealth thời gian thực: Phiên bản hiện tại tập trung vào quản lý hồ sơ và nhắc nhở, chưa hỗ trợ cuộc gọi video trực tiếp với bác sĩ chuyên khoa.
  3. Phụ thuộc vào kết nối mạng: Một số tính năng phân tích gợi ý thông minh yêu cầu kết nối Internet liên tục để đồng bộ hóa đám mây.

Hướng nghiên cứu tiếp theo:

  • Huấn luyện mô hình Deep Learning chuyên biệt (Custom Vision Transformers) cho bài toán OCR đơn thuốc chữ viết tay y khoa tại Việt Nam.
  • Tích hợp chuẩn giao tiếp y tế quốc tế HL7/FHIR để kết nối liền mạch với hệ thống Bệnh án điện tử (EMR) của các cơ sở y tế.
  • Phát triển giao diện giọng nói (Voice UI) hỗ trợ người cao tuổi bị hạn chế vận động tay.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                           HỆ SINH THÁI HƯỞNG LỢI                             |
+-------------------------------------------------------------------------------+
|  SINH VIÊN & NGHIÊN CỨU SINH      |  LẬP TRÌNH VIÊN & DESIGNER (UI/UX)         |
|  - Tài liệu tham khảo chuẩn UCD   |  - Bộ Design System & Typography Tokens    |
|  - Phương pháp luận kết hợp HCI   |  - Source pattern tích hợp AI Scan OCR     |
+-----------------------------------+-------------------------------------------+
|  DOANH NGHIỆP Y TẾ SỐ (HEALTHTECH)|  NGƯỜI DÙNG & GIA ĐÌNH ĐA THẾ HỆ           |
|  - Khung sản phẩm giải quyết      |  - Giảm 74% thời gian quản lý thuốc        |
|    khoảng trống thị trường        |  - Thu hẹp khoảng cách thế hệ, bảo vệ cụ   |
+-------------------------------------------------------------------------------+
  • Sinh viên và Nghiên cứu sinh: Cung cấp tài liệu mẫu mực về phương pháp luận nghiên cứu trải nghiệm người dùng đa thế hệ, từ khâu khảo sát dịch tễ học đến kiểm thử SUS định lượng.
  • Kỹ sư phần mềm và Nhà thiết kế UI/UX: Bộ Design System hoàn chỉnh với các thông số token rõ ràng, các giải pháp bố cục đáp ứng nguyên tắc Gestalt và mẫu code tích hợp xử lý hình ảnh OCR.
  • Doanh nghiệp Y tế số (HealthTech): Cung cấp mô hình giải pháp tiếp cận thị trường (Go-to-market) dựa trên sự thấu cảm gia đình, nâng cao tỷ lệ giữ chân người dùng (Retention Rate).
  • Người dùng gia đình: Giải phóng áp lực chăm sóc cho con cái, giúp người cao tuổi sống độc lập, an toàn và gắn kết hơn với người thân.

Câu hỏi thường gặp

1. Yêu cầu cấu hình hệ thống tối thiểu để triển khai ứng dụng là gì?

CareLink được tối ưu hóa hiệu năng để tương thích với các thiết bị phổ thông:

  • Client (Thiết bị di động): iOS 14.0 trở lên hoặc Android 8.0 (Oreo) trở lên; RAM tối thiểu 2GB; Camera 8MP hỗ trợ tự động lấy nét cho AI Scan.
  • Server: 2 vCPU, 4GB RAM cho Backend API Gateway; Node.js v20.x; Tesseract Engine v5.3; PostgreSQL 16.

2. Ứng dụng xử lý vấn đề bảo mật thông tin y tế cá nhân như thế nào?

Toàn bộ dữ liệu hồ sơ bệnh án và lịch sử khám bệnh được mã hóa end-to-end theo chuẩn AES-256. Hệ thống tuân thủ các nguyên tắc bảo mật dữ liệu y tế, không chia sẻ thông tin cho bên thứ ba khi chưa có sự cho phép rõ ràng từ tài khoản chủ hộ.

3. Làm thế nào để CareLink nhận diện đúng đơn thuốc viết tay bị mờ?

Khi ảnh chụp không đạt tiêu chuẩn độ tương phản hoặc chữ viết tay quá mờ, pipeline AI Scan sẽ kích hoạt bộ lọc làm nét (Sharpening Filter) và tự động nhận diện các từ khóa hoạt chất phổ biến. Hệ thống luôn hiển thị màn hình đối chiếu (Side-by-side Verification) để người dùng xác thực trước khi lưu dữ liệu.

4. Chi phí duy trì và khả năng mở rộng quy mô hệ thống?

Nhờ kiến trúc Microservices và cơ chế lưu trữ đệm (Caching) bằng Redis, chi phí hạ tầng ước tính chỉ khoảng 0.02 USD/người dùng/năm trong quy mô 50.000 người dùng hoạt động hàng tháng (MAU).

5. Người già không thạo công nghệ có tự sử dụng được không?

CareLink được thiết kế theo nguyên lý "Zero-learning Curve" cho người già: Mọi thiết lập phức tạp đều do con cái đảm nhiệm trên máy cá nhân; người cao tuổi chỉ cần tương tác với các nút bấm kích thước lớn (chiều cao tối thiểu 48px) và xem nội dung với phông chữ lớn cùng độ tương phản cao.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu về tăng cường trải nghiệm cho ứng dụng mobile và ứng dụng vào thiết kế giao diện chăm sóc sức khỏe gia đình CareLink" của sinh viên Trần Cao Thi đã giải quyết bài toán cấp thiết trong chăm sóc y tế gia đình thời đại số. Bằng việc kết hợp hài hòa giữa cơ sở lý thuyết khoa học tương tác người - máy (HCI), nguyên lý tâm lý học thị giác Gestalt và công nghệ trí tuệ nhân tạo (AI Scan), CareLink đã chứng minh được tính khả thi vượt trội với điểm số khả dụng SUS đạt 86.5/100 và tỷ lệ hoàn thành tác vụ đạt 94.2%.

Sản phẩm không chỉ là một giải pháp thiết kế giao diện đơn thuần mà còn là cầu nối công nghệ giàu tính nhân văn, giúp xóa nhòa khoảng cách thế hệ và nâng cao chất lượng cuộc sống cho hàng triệu gia đình đa thế hệ tại Việt Nam.