高靜　韓樂

摘要：當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注的問題。在“人工智能”的背景下，如何利用深度學習，建立影響老年就醫(yī)人口的評價指標體系，并與傳統(tǒng)人工神經(jīng)網(wǎng)絡模型進行對比探討，為這一現(xiàn)實問題提供新的解決思路。

關鍵詞：深度學習;人工智能;老年醫(yī)療;粗糙集

中圖分類號：D669.6

文獻標識碼：A

DOI： 10.15913/j.cnki.kjycx.2019.11.002

中國現(xiàn)已逐步進入老齡化社會，與其他國家不同的是，中國當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)療費用負擔、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體系等，如何建設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)療服務的現(xiàn)狀

人口老齡化問題已是全社會關注的重點問題，跟據(jù)國家統(tǒng)計局2019年發(fā)布的數(shù)據(jù)，2009 2018年65歲以上人口相關數(shù)據(jù)如表1所示。截至2018年年底，中國65歲以上人口達到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構和社會結構處于迅速轉變中。在未來的50年里，高齡老人數(shù)量將會迅速增長，據(jù)預測，中國60歲及以上老年人將在2025年達到3.08億，老年人口占中國總人口的比例將在2025年達到21.1%。可以預料，隨著高齡人群的不斷擴大，未來將有更多的高齡卻不健康的人口，隨著家庭看護功能的不斷弱化，中國將出現(xiàn)一大批長期照護需求群體，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、護理服務、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)老服務水平進一步提升，產(chǎn)業(yè)將邁向中高端，并且創(chuàng)新是養(yǎng)老服務業(yè)發(fā)展的強大動力?！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)老服務相結合。在2019年的政府工作報告中，再一次強調了“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)人口的評價指標體系并預測分類，激發(fā)老年醫(yī)療體系的主動預防行為，為老年醫(yī)療服務體系的發(fā)展提供一些依據(jù)和更綜合的建議。

2 老年醫(yī)療服務相關研究方法

2.1 SERVQUAL模型

SERVQUAL是SERVICE QUALITY兩詞的縮寫。該模型是服務質量研究中運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，來衡量顧客對服務質量的評價，從而達到發(fā)現(xiàn)服務問題的目的，在此基礎上分析產(chǎn)生問題的原因，來幫助管理者了解如何進一步完善服務體系。

通過調查問卷的形式，基于SERVQUAL模型對當前社會中所存在的老年醫(yī)療服務滿意度進行有形性調查、移情性調查、保證性調查、響應性調查以及可靠性調查。針對這些調查，對當前的老年醫(yī)療服務現(xiàn)狀進行滿意度分析，并合理預測未來如何通過改變目前老年醫(yī)療服務中的問題來提升社會對老年醫(yī)療服務的滿意度。

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雜程度并獲得更為優(yōu)秀的預測精度和泛化能力。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)預測精度不高或過學習等問題，因此將與研究問題最為相關的指標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，這就使指標的選擇帶有很大的主觀性，但實際上不同的指標對研究對象在不同方面有不同的影響力，選擇哪些指標作為輸入變量，輸入變量的個數(shù)多少都會影響模型的預測效度和精度。如果將所有因素考慮在內(nèi)，就會因屬性過多而出現(xiàn)過擬合的現(xiàn)象。利用粗糙集進行屬性約減，將關聯(lián)度最高的因素提取出來，作為深度置信網(wǎng)絡的輸入，實現(xiàn)精準預測。例如，通過調查得知與老年醫(yī)療服務水平相關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，而通過粗糙集進行屬性約簡后，將與老年醫(yī)療服務水平最為相關的人均收入水平、疾病類型這兩個因素提取出來，作為其特征屬性，而將剩下的次相關的屬性進行約減，從而得到老年醫(yī)療服務水平評價體系。

2.3 深度學習

近年來，深度學習逐漸成為各個研究領域熾手可熱的研究方法。谷歌、百度等公司相繼開展深度學習研究，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。在其他領域上如圖像識別、語音識別、文本分析等，深度學習皆有許多重大突破。而在當前中國老齡化社會復雜的背景下，深度學習突破了以往研究方法的限制，為老年醫(yī)療服務系統(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。

在構建模型時，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)。而模型中隱層的結點實際上就是通過模型學習，使模型學習數(shù)據(jù)集中隱含的知識，從而使模型表現(xiàn)出數(shù)據(jù)中所隱含的復雜的非線性關系。如果模型的隱含層的結點數(shù)目過少，則模型構建失敗，相反，如果隱含層的結點數(shù)目過多，則會出現(xiàn)過擬合，這些都會使預測結果出現(xiàn)較為大的偏離。因此，隱含層結點數(shù)目的確定，在此模型確定中是尤為重要的。

2.4 基于深度學習的老年醫(yī)療服務體系

基于以上三種方法，可以對老年醫(yī)療評價模型進行優(yōu)化，具體構建流程如圖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的數(shù)據(jù)，利用粗糙集進行主屬性的提煉，對樣本數(shù)據(jù)集的關鍵信息進行提取和知識約簡，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)進行歸一化處理。在此基礎上，可以選擇利用深度學習進行老年醫(yī)療服務分類，并與人工神經(jīng)網(wǎng)絡模型進行對比探討。

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，中國總人口為13.4億，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)問題也面臨著嚴重的問題。老年人基礎醫(yī)療體系不完善，醫(yī)療設施的缺少等問題都給老年醫(yī)療服務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)絡三種方法結合使用，可以使分類方法在以下方面得到改進：①SERVQUAL模型以差別理論為基礎，注重研究被調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查者進行分析，這是評價和完善服務質量的高效手段。在老年醫(yī)療服務體系的研究中，利用SERVQUAL模型將會對影響醫(yī)療服務質量的因素進行全覆蓋，從而得到較為全面的醫(yī)療指標評價模型。②影響老年醫(yī)療服務的各個屬性間的相關性會影響模型結果的準確性，往往容易造成信息冗余，從而容易導致網(wǎng)絡模型過擬合，得出錯誤結論。而通過粗糙集對輸入變量進行篩選，找出與問題相關性最大的影響因素，可以在一定程度上簡化模型結構，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，其結果容易陷入局部最優(yōu)解。采用深度置信網(wǎng)絡實現(xiàn)數(shù)據(jù)的特征學習，以多變量進行輸入，提高精度，這對于老年醫(yī)療服務模型的研究具有參考價值。

4 結束語

加強和完善老年醫(yī)療服務體系建設意義重大，這是中國全面建成小康社會總目標實現(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)療服務目前所暴露出的問題，現(xiàn)有的老年醫(yī)療服務體系與大眾的期望值仍存在較大的差距，在數(shù)量和質量上均有一定的不足。同時醫(yī)療養(yǎng)老資源配置不當，城鄉(xiāng)不平衡。此外，對于老年人的醫(yī)療服務價格過高，給社會家庭帶來極大的負擔。在“人工智能”的背景下，使用現(xiàn)代技術研究老年醫(yī)療服務體系，建設基于互聯(lián)網(wǎng)的在線服務平臺，讓信息多跑路，群眾少跑腿，讓老人不出門，服務找上門。老齡化問題復雜多變，事關社會、經(jīng)濟等諸多方面，需要利用各個學科的知識，開展跨學科跨領域的研究，為解決這一問題提供更全面的指導。

隨著老齡化程度不斷加深，為老年人提供更加精準高效的醫(yī)療服務已經(jīng)成為大勢所趨。在“人工智能”的背景下，結合深度學習建立老年醫(yī)療服務評價指標體系，分析影響老年醫(yī)療服務的主要因素，發(fā)現(xiàn)當前老年醫(yī)療服務質量存在的問題及原因，有針對性地開展分級和個性服務，從而更好地滿足高齡老人的醫(yī)療服務需求，加強老年社會福利，提高老人的幸福感。

參考文獻：

[1]張清華，胡榮德，姚龍洋，等.基于屬性重要度的風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)療服務需求與醫(yī)療保障的實證分析[J].世界經(jīng)濟文匯，2013（5）：107-119.

[3]韓智東，王志良，高靜.用差別矩陣思想設計的基于正區(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)生服務需求影響因素分析[J].護理實踐與研究，2009（ 8）： 127.

[5]吳嘉偉.關毅，呂新波.基于深度學習的電子病歷中實體關系抽取[J].智能計算機與應用，2014，4（3）： 35-38.

[6]葉永盛.基于深度學習的癌癥分類模型研究[D].武漢：華中科技大學，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)絡的圖像組合分類方法[J].計算機科學，2008 （3）： 244-246.