高靜 韓樂
摘要:當(dāng)前中國老齡化趨勢加重,是目前世界上老年人口最多的國家之一,人口老齡化問題已經(jīng)成為世界各國普遍關(guān)注的問題。在“人工智能”的背景下,如何利用深度學(xué)習(xí),建立影響老年就醫(yī)人口的評價指標(biāo)體系,并與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對比探討,為這一現(xiàn)實問題提供新的解決思路。
關(guān)鍵詞:深度學(xué)習(xí);人工智能;老年醫(yī)療;粗糙集
中圖分類號:D669.6
文獻(xiàn)標(biāo)識碼:A
DOI: 10.15913/j.cnki.kjycx.2019.11.002
中國現(xiàn)已逐步進(jìn)入老齡化社會,與其他國家不同的是,中國當(dāng)前社會人均收入水平較低、社會保障程度較差。在這種背景下,中國在社會保健方面出現(xiàn)了更為復(fù)雜的問題。同時,中國擁有世界上最多的老年人口,并且具有規(guī)模大、速度快、超前化等特點。隨著老齡化程度加深,各種老年疾病、醫(yī)療費用負(fù)擔(dān)、養(yǎng)老等問題都變得越來越突出,而中國的老年醫(yī)療服務(wù)制度中仍存在許多缺陷,如醫(yī)療保障水平較低、城鄉(xiāng)分布差異過大、缺乏專門的老年服務(wù)體系等,如何建設(shè)健康的老齡化社會已經(jīng)成為急需解決的重大社會問題。
1 老年醫(yī)療服務(wù)的現(xiàn)狀
人口老齡化問題已是全社會關(guān)注的重點問題,跟據(jù)國家統(tǒng)計局2019年發(fā)布的數(shù)據(jù),2009 2018年65歲以上人口相關(guān)數(shù)據(jù)如表1所示。截至2018年年底,中國65歲以上人口達(dá)到16 658萬,占人口總數(shù)的11.94%,同比增長0.6%。而2017年人口減少200萬,人口出生率為10.94%,達(dá)到新中國成立以來最低值。2009 2018年65歲以上人口發(fā)展趨勢如圖1所示。
由圖1可以看出,中國的老齡化程度在不斷加深,解決中國人口老齡化問題將是刻不容緩的國泰民生問題。目前中國人口自然結(jié)構(gòu)和社會結(jié)構(gòu)處于迅速轉(zhuǎn)變中。在未來的50年里,高齡老人數(shù)量將會迅速增長,據(jù)預(yù)測,中國60歲及以上老年人將在2025年達(dá)到3.08億,老年人口占中國總?cè)丝诘谋壤龑⒃?025年達(dá)到21.1%??梢灶A(yù)料,隨著高齡人群的不斷擴(kuò)大,未來將有更多的高齡卻不健康的人口,隨著家庭看護(hù)功能的不斷弱化,中國將出現(xiàn)一大批長期照護(hù)需求群體,這將給中國的社會保障體系帶來巨大沖擊。
隨著老年人口越來越多,高齡消費者對健康相關(guān)產(chǎn)業(yè)的需求也在向全面化、多樣化發(fā)展。老年醫(yī)療服務(wù)、護(hù)理服務(wù)、健康保險等需求日益增多。2016年的政府工作報告中指出:“養(yǎng)老服務(wù)水平進(jìn)一步提升,產(chǎn)業(yè)將邁向中高端,并且創(chuàng)新是養(yǎng)老服務(wù)業(yè)發(fā)展的強(qiáng)大動力?!蓖瑫r,國家“十三五”發(fā)展規(guī)劃綱要也提出要推動醫(yī)療衛(wèi)生和養(yǎng)老服務(wù)相結(jié)合。在2019年的政府工作報告中,再一次強(qiáng)調(diào)了“健康養(yǎng)老”的重要性,凸顯了國家對于保證老齡人口健康的重視與決心。
本文以老年就醫(yī)人群為研究對象,建立影響老年就醫(yī)人口的評價指標(biāo)體系并預(yù)測分類,激發(fā)老年醫(yī)療體系的主動預(yù)防行為,為老年醫(yī)療服務(wù)體系的發(fā)展提供一些依據(jù)和更綜合的建議。
2 老年醫(yī)療服務(wù)相關(guān)研究方法
2.1 SERVQUAL模型
SERVQUAL是SERVICE QUALITY兩詞的縮寫。該模型是服務(wù)質(zhì)量研究中運(yùn)用較為廣泛的一種差距分析模型,其主要理論是通過客戶的實際感受值與期望值的差距,來衡量顧客對服務(wù)質(zhì)量的評價,從而達(dá)到發(fā)現(xiàn)服務(wù)問題的目的,在此基礎(chǔ)上分析產(chǎn)生問題的原因,來幫助管理者了解如何進(jìn)一步完善服務(wù)體系。
通過調(diào)查問卷的形式,基于SERVQUAL模型對當(dāng)前社會中所存在的老年醫(yī)療服務(wù)滿意度進(jìn)行有形性調(diào)查、移情性調(diào)查、保證性調(diào)查、響應(yīng)性調(diào)查以及可靠性調(diào)查。針對這些調(diào)查,對當(dāng)前的老年醫(yī)療服務(wù)現(xiàn)狀進(jìn)行滿意度分析,并合理預(yù)測未來如何通過改變目前老年醫(yī)療服務(wù)中的問題來提升社會對老年醫(yī)療服務(wù)的滿意度。
2.2 粗糙集屬性約簡
在信息系統(tǒng)中,各個屬性的重要程度不同,即每個屬性在系統(tǒng)中所占的比例是不同的,某些屬性是絕對必要的,刪除這種屬性將不可避免影響系統(tǒng)的分類能力;某些屬性是相對必要的,這種屬性在同其他屬性結(jié)合的時候,可以保持系統(tǒng)的分類能力,但是也存在著不需要這種屬性而保持信息系統(tǒng)分類能力不變的屬性子集;某些屬性是完全不必要的,去掉這些屬性并不影響系統(tǒng)的分類能力。所謂屬性約簡就是要找到保持系統(tǒng)分類能力不變的最小屬性子集。在預(yù)測模型的建立過程中,輸入變量和輸出變量的選擇十分重要,合適的特征子集可以降低模型的復(fù)雜程度并獲得更為優(yōu)秀的預(yù)測精度和泛化能力。如果不能做好這一步,模型就容易受到數(shù)據(jù)間相關(guān)性和噪聲的影響,往往會造成信息冗余,使模型計算量過大,出現(xiàn)預(yù)測精度不高或過學(xué)習(xí)等問題,因此將與研究問題最為相關(guān)的指標(biāo)篩選出來是十分必要的。
由于影響老年就醫(yī)人口的因素很多,目前的研究大多是基于經(jīng)驗來選擇特征屬性的,這就使指標(biāo)的選擇帶有很大的主觀性,但實際上不同的指標(biāo)對研究對象在不同方面有不同的影響力,選擇哪些指標(biāo)作為輸入變量,輸入變量的個數(shù)多少都會影響模型的預(yù)測效度和精度。如果將所有因素考慮在內(nèi),就會因?qū)傩赃^多而出現(xiàn)過擬合的現(xiàn)象。利用粗糙集進(jìn)行屬性約減,將關(guān)聯(lián)度最高的因素提取出來,作為深度置信網(wǎng)絡(luò)的輸入,實現(xiàn)精準(zhǔn)預(yù)測。例如,通過調(diào)查得知與老年醫(yī)療服務(wù)水平相關(guān)的因素有人均收入水平、國家醫(yī)療財政支出、老年人性別、老年人子女個數(shù)、疾病類型等,而通過粗糙集進(jìn)行屬性約簡后,將與老年醫(yī)療服務(wù)水平最為相關(guān)的人均收入水平、疾病類型這兩個因素提取出來,作為其特征屬性,而將剩下的次相關(guān)的屬性進(jìn)行約減,從而得到老年醫(yī)療服務(wù)水平評價體系。
2.3 深度學(xué)習(xí)
近年來,深度學(xué)習(xí)逐漸成為各個研究領(lǐng)域熾手可熱的研究方法。谷歌、百度等公司相繼開展深度學(xué)習(xí)研究,其中AlphaGo戰(zhàn)勝圍棋冠軍李世石成為了人工智能發(fā)展史上濃墨重彩的一筆。在其他領(lǐng)域上如圖像識別、語音識別、文本分析等,深度學(xué)習(xí)皆有許多重大突破。而在當(dāng)前中國老齡化社會復(fù)雜的背景下,深度學(xué)習(xí)突破了以往研究方法的限制,為老年醫(yī)療服務(wù)系統(tǒng)的優(yōu)化提供了新的解決思路。而其中較為有效的方法之一便是深度置信網(wǎng)絡(luò)。
在構(gòu)建模型時,最為重要的一步就是確定輸入層和隱含層的節(jié)點數(shù)目。在模型中,輸入層節(jié)點用來輸入搜集的數(shù)據(jù)集中的數(shù)據(jù)。而模型中隱層的結(jié)點實際上就是通過模型學(xué)習(xí),使模型學(xué)習(xí)數(shù)據(jù)集中隱含的知識,從而使模型表現(xiàn)出數(shù)據(jù)中所隱含的復(fù)雜的非線性關(guān)系。如果模型的隱含層的結(jié)點數(shù)目過少,則模型構(gòu)建失敗,相反,如果隱含層的結(jié)點數(shù)目過多,則會出現(xiàn)過擬合,這些都會使預(yù)測結(jié)果出現(xiàn)較為大的偏離。因此,隱含層結(jié)點數(shù)目的確定,在此模型確定中是尤為重要的。
2.4 基于深度學(xué)習(xí)的老年醫(yī)療服務(wù)體系
基于以上三種方法,可以對老年醫(yī)療評價模型進(jìn)行優(yōu)化,具體構(gòu)建流程如圖2所示。
首先利用SERVQUAL模型收集原始數(shù)據(jù),使數(shù)據(jù)更加客觀全面。將收集到的不同指標(biāo)的數(shù)據(jù),利用粗糙集進(jìn)行主屬性的提煉,對樣本數(shù)據(jù)集的關(guān)鍵信息進(jìn)行提取和知識約簡,消除冗余屬性。
此外,由于數(shù)據(jù)意義和單位的不同再將數(shù)據(jù)進(jìn)行歸一化處理。在此基礎(chǔ)上,可以選擇利用深度學(xué)習(xí)進(jìn)行老年醫(yī)療服務(wù)分類,并與人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對比探討。
3 與傳統(tǒng)方法相比的優(yōu)勢
隨著老齡化步伐的加快,老齡化問題也逐漸成為各個國家面臨的重要問題。人口老齡化這一種轉(zhuǎn)變將會給世界帶來一系列的挑戰(zhàn)。根據(jù)第六次全國人口普查數(shù)據(jù)顯示,中國總?cè)丝跒?3.4億,而其中65歲及以上人口占到了8.9%。在2000-2010年,65歲以上人口增長了高達(dá)l.9%,中國已全面步人快速老齡化社會,由此衍生的老年人就醫(yī)問題也面臨著嚴(yán)重的問題。老年人基礎(chǔ)醫(yī)療體系不完善,醫(yī)療設(shè)施的缺少等問題都給老年醫(yī)療服務(wù)帶來了巨大的提升空間。
通過以上探討,將SERVQUAL模型、粗糙集、深度置信網(wǎng)絡(luò)三種方法結(jié)合使用,可以使分類方法在以下方面得到改進(jìn):①SERVQUAL模型以差別理論為基礎(chǔ),注重研究被調(diào)查者的實際感受和期望感受的差值,利用五個尺度全面地對被調(diào)查者進(jìn)行分析,這是評價和完善服務(wù)質(zhì)量的高效手段。在老年醫(yī)療服務(wù)體系的研究中,利用SERVQUAL模型將會對影響醫(yī)療服務(wù)質(zhì)量的因素進(jìn)行全覆蓋,從而得到較為全面的醫(yī)療指標(biāo)評價模型。②影響老年醫(yī)療服務(wù)的各個屬性間的相關(guān)性會影響模型結(jié)果的準(zhǔn)確性,往往容易造成信息冗余,從而容易導(dǎo)致網(wǎng)絡(luò)模型過擬合,得出錯誤結(jié)論。而通過粗糙集對輸入變量進(jìn)行篩選,找出與問題相關(guān)性最大的影響因素,可以在一定程度上簡化模型結(jié)構(gòu),防止模型過擬合。③目前的研究大多集中在人工神經(jīng)網(wǎng)絡(luò),其結(jié)果容易陷入局部最優(yōu)解。采用深度置信網(wǎng)絡(luò)實現(xiàn)數(shù)據(jù)的特征學(xué)習(xí),以多變量進(jìn)行輸入,提高精度,這對于老年醫(yī)療服務(wù)模型的研究具有參考價值。
4 結(jié)束語
加強(qiáng)和完善老年醫(yī)療服務(wù)體系建設(shè)意義重大,這是中國全面建成小康社會總目標(biāo)實現(xiàn)的重要一步,同時也最能體現(xiàn)中華文明的核心價值。根據(jù)中國老年醫(yī)療服務(wù)目前所暴露出的問題,現(xiàn)有的老年醫(yī)療服務(wù)體系與大眾的期望值仍存在較大的差距,在數(shù)量和質(zhì)量上均有一定的不足。同時醫(yī)療養(yǎng)老資源配置不當(dāng),城鄉(xiāng)不平衡。此外,對于老年人的醫(yī)療服務(wù)價格過高,給社會家庭帶來極大的負(fù)擔(dān)。在“人工智能”的背景下,使用現(xiàn)代技術(shù)研究老年醫(yī)療服務(wù)體系,建設(shè)基于互聯(lián)網(wǎng)的在線服務(wù)平臺,讓信息多跑路,群眾少跑腿,讓老人不出門,服務(wù)找上門。老齡化問題復(fù)雜多變,事關(guān)社會、經(jīng)濟(jì)等諸多方面,需要利用各個學(xué)科的知識,開展跨學(xué)科跨領(lǐng)域的研究,為解決這一問題提供更全面的指導(dǎo)。
隨著老齡化程度不斷加深,為老年人提供更加精準(zhǔn)高效的醫(yī)療服務(wù)已經(jīng)成為大勢所趨。在“人工智能”的背景下,結(jié)合深度學(xué)習(xí)建立老年醫(yī)療服務(wù)評價指標(biāo)體系,分析影響老年醫(yī)療服務(wù)的主要因素,發(fā)現(xiàn)當(dāng)前老年醫(yī)療服務(wù)質(zhì)量存在的問題及原因,有針對性地開展分級和個性服務(wù),從而更好地滿足高齡老人的醫(yī)療服務(wù)需求,加強(qiáng)老年社會福利,提高老人的幸福感。
參考文獻(xiàn):
[1]張清華,胡榮德,姚龍洋,等.基于屬性重要度的風(fēng)險決策粗糙集屬性約簡[J].控制與決策,2016 (7): 199-205.
[2]柴化敏.中國城鄉(xiāng)居民醫(yī)療服務(wù)需求與醫(yī)療保障的實證分析[J].世界經(jīng)濟(jì)文匯,2013(5):107-119.
[3]韓智東,王志良,高靜.用差別矩陣思想設(shè)計的基于正區(qū)域的高效屬性約簡算法[J].小型微型計算機(jī)系統(tǒng),2011, 32 (2): 299-304.
[4]熊瑞錦,趙雅君.社區(qū)老年人衛(wèi)生服務(wù)需求影響因素分析[J].護(hù)理實踐與研究,2009( 8): 127.
[5]吳嘉偉.關(guān)毅,呂新波.基于深度學(xué)習(xí)的電子病歷中實體關(guān)系抽取[J].智能計算機(jī)與應(yīng)用,2014,4(3): 35-38.
[6]葉永盛.基于深度學(xué)習(xí)的癌癥分類模型研究[D].武漢:華中科技大學(xué),2015.
[7]陳健美,宋順林,朱玉全,等.一種基于貝葉斯和神經(jīng)網(wǎng)絡(luò)的圖像組合分類方法[J].計算機(jī)科學(xué),2008 (3): 244-246.