摘 要：在“二胎”“三胎”政策頒布后，我國的高齡孕產(chǎn)婦人數(shù)逐漸增加，同時(shí)我國不孕不育率呈上升趨勢，因此輔助生殖技術(shù)越來越受到大眾關(guān)注。本文基于Multi－Aspect（即包含TF-IDF算法，循環(huán)神經(jīng)網(wǎng)絡(luò)，注意力機(jī)制技術(shù)）的融合孕產(chǎn)婦畫像模型進(jìn)行設(shè)計(jì)，采用三甲醫(yī)院的案例建立初始數(shù)據(jù)庫，通過深度學(xué)習(xí)算法對(duì)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行訓(xùn)練，結(jié)合互聯(lián)網(wǎng)數(shù)據(jù)回溯平臺(tái)監(jiān)測用戶在備孕期和妊娠期的實(shí)時(shí)狀態(tài)，通過算法分析得出孕產(chǎn)婦的用戶畫像，確定孕婦的風(fēng)險(xiǎn)指數(shù)。該天氣指數(shù)保險(xiǎn)產(chǎn)品采用客觀的醫(yī)院數(shù)據(jù)定損，操作性強(qiáng)，可有效轉(zhuǎn)移孕產(chǎn)婦在輔助生殖上的風(fēng)險(xiǎn)，促進(jìn)婦女孕中保險(xiǎn)的可持續(xù)發(fā)展。

關(guān)鍵詞：孕產(chǎn)婦；Multi－Aspect算法；輔助生殖技術(shù)

2021年5月11日，國家統(tǒng)計(jì)局公布的第七次全國人口普查數(shù)據(jù)顯示：2020年全國人口總數(shù)達(dá)到14.12億人，十年間復(fù)合年增長率約為1%；2023年全年出生人口為902萬人，人口出生率為6.39‰，出生人口數(shù)量連續(xù)六年滑落，出生率為1952年該數(shù)據(jù)公布以來最低。

“獨(dú)生子女政策”的實(shí)施導(dǎo)致青年人口減少，同時(shí)，中國人口預(yù)期壽命的提高也使得中國加速步入老齡化社會(huì)。從2016年到2023年，中國人口老齡化加劇，65歲以上人口的復(fù)合年增長率為4.535%。據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，2023年65歲以上的人口占總?cè)丝诘谋戎貫?5.4%。65歲以上的人口數(shù)量正在以相當(dāng)快的速度增長，并預(yù)計(jì)在未來繼續(xù)保持增長勢頭。

面對(duì)全國人口出生率不斷下降，人口老齡化等問題，我國出臺(tái)了一系列鼓勵(lì)生育的政策，對(duì)生育問題的重視已經(jīng)上升到了國家的高度。伴隨著“三胎”政策的實(shí)施和晚婚晚育人數(shù)的增加，高齡人群的生育需求呈現(xiàn)出上升趨勢。由于高齡人群的不孕不育癥發(fā)病率較高，輔助生殖需求因此攀升。

《統(tǒng)計(jì)年鑒》顯示，截止2023年，我國20-49歲的育齡女性人數(shù)約為2.5億，據(jù)此測算，我國的不孕不育人群近5184萬人。弗若斯特沙利文數(shù)據(jù)顯示，2023年美國輔助生殖滲透率達(dá)到了30.2%，而我國僅為7%。如果我國能達(dá)到美國的滲透率，這就意味著我國輔助生殖潛在需求達(dá)1566萬人。

隨著不孕不育人數(shù)不斷增長，高齡產(chǎn)婦總數(shù)持續(xù)增加，輔助生殖技術(shù)不斷進(jìn)步，越來越多的人選擇輔助生殖。中國輔助生殖市場規(guī)模逐步擴(kuò)大，也逐漸暴露出輔助生殖技術(shù)未納入醫(yī)保、未納入生育保險(xiǎn)等問題，本文將從此問題上出發(fā)，討論婦女孕中保險(xiǎn)的可持續(xù)發(fā)展方法。

一、數(shù)據(jù)來源

數(shù)據(jù)來源于原始數(shù)據(jù)庫—醫(yī)院和互聯(lián)網(wǎng)平臺(tái)。從醫(yī)院獲取以往采用輔助生殖技術(shù)孕產(chǎn)婦的情況，從互聯(lián)網(wǎng)平臺(tái)獲取孕產(chǎn)婦基本動(dòng)態(tài)信息。同時(shí)Multi-Aspect的融合網(wǎng)絡(luò)畫像模型利用完整數(shù)據(jù)庫的數(shù)據(jù)來得出孕產(chǎn)婦的風(fēng)險(xiǎn)指數(shù)。同時(shí)通過《輔助生殖技術(shù)與不良妊娠結(jié)局及妊娠并發(fā)癥的研究進(jìn)展》、《輔助生殖技術(shù)的出生結(jié)局》等學(xué)術(shù)論文和官方文件，收集輔助生殖技術(shù)成功率、妊娠并發(fā)癥發(fā)生率、流產(chǎn)率、新生兒發(fā)病率等相關(guān)概率數(shù)據(jù)。

二、用戶畫像建立

（一）基于Multi－Aspect的融合保險(xiǎn)用戶畫像生成方法

1．MULTI-ASPECT。MULTI-ASPECT是集TF-IDF算法、循環(huán)神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制三者為一體。隨著人工智能大數(shù)據(jù)技術(shù)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法發(fā)展，針對(duì)結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)以及多元化數(shù)據(jù)與豐富化數(shù)據(jù)的研究得到蓬勃發(fā)展。MULTI-ASPECT利用關(guān)鍵詞提取、循環(huán)神經(jīng)網(wǎng)絡(luò)等技術(shù)，從不同角度提取平臺(tái)用戶數(shù)據(jù)，從而實(shí)現(xiàn)對(duì)平臺(tái)用戶特征較高準(zhǔn)確率的預(yù)測【5】。

（a）TF-IDF（term frequency-inverse document frequency）。TF-IDF是一種用于信息檢索與文本挖掘的統(tǒng)計(jì)方法，可用于評(píng)估某個(gè)字詞對(duì)于一個(gè)文檔的重要程度，其重要性同它在文檔中出現(xiàn)的次數(shù)成正比，且同它在全部文檔構(gòu)成的語料庫中出現(xiàn)的頻率成反比。

（b）循環(huán)神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種獨(dú)特的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。循環(huán)神經(jīng)網(wǎng)絡(luò)與普通網(wǎng)絡(luò)的區(qū)別在于可以很好地處理序列信息，其隱層的值不僅僅取決于當(dāng)前時(shí)刻的輸入，還取決于上一時(shí)刻隱層的值，即上一時(shí)刻的隱藏層是可以影響當(dāng)前時(shí)刻的隱藏層。這一特征使得循環(huán)神經(jīng)網(wǎng)絡(luò)具備可以處理前后有關(guān)聯(lián)的序列信息的優(yōu)勢。而連接網(wǎng)絡(luò)只能單獨(dú)一個(gè)一個(gè)輸入處理，且前后兩個(gè)輸入之間沒有關(guān)聯(lián)。

（c）注意力機(jī)制。注意力機(jī)制，顧名思義來源于人類視覺研究。在處理平臺(tái)多元化數(shù)據(jù)的過程中，通過模擬人類的閱讀習(xí)慣，將注意力關(guān)注到眾多詞句與圖像，提取詞句關(guān)鍵詞并且將圖像進(jìn)行“解密”，輸出對(duì)圖像的描述。通過加入注意力機(jī)制，可以將源語言中每個(gè)細(xì)枝末節(jié)的信息都保存下來，靜待解碼之時(shí)，將每一個(gè)目標(biāo)語言的單詞都直接從源語言的信息中選擇相關(guān)的信息作為輔助分析。

2.基于Multi－Aspect的融合網(wǎng)絡(luò)用戶畫像建立模型

關(guān)鍵詞特征提取模塊：每個(gè)用戶在互聯(lián)網(wǎng)搜索引擎輸入的內(nèi)容大相徑庭，其搜索內(nèi)容與用戶屬性的差別、用戶當(dāng)時(shí)的需求以及用戶的喜好與困惑相關(guān)，故提取用戶搜索內(nèi)容中相較其他用戶差異較大的文本作為此用戶的關(guān)鍵詞，可以在一定程度上幫助實(shí)現(xiàn)用戶特征分類。

（a）文本編碼模塊。文本編碼模塊將用戶搜索數(shù)據(jù)通過分詞和去停用詞處理后，得到一個(gè)個(gè)單獨(dú)的搜索詞。每個(gè)保險(xiǎn)用戶的瀏覽、購買、個(gè)人信息內(nèi)容天差地別，通過處理后得到的詞表數(shù)目巨大，使用詞袋模型進(jìn)行表示過于稀疏，且無法表示詞語之間的內(nèi)在聯(lián)系，因此使用詞向量模型生成各搜索詞較稠密的分布式向量表示。

（b）TOP 2 關(guān)鍵詞特征提取模塊。使用提取關(guān)鍵詞模塊得到的每個(gè)保險(xiǎn)用戶搜索、瀏覽詞TF-IDF值排名前兩位的詞，將其貼上此用戶文檔最關(guān)鍵的詞匯的標(biāo)簽。除此之外，因?yàn)楸ｋU(xiǎn)用戶的搜索瀏覽數(shù)據(jù)存在因果和時(shí)序關(guān)系，所以模塊取排名前兩位的關(guān)鍵詞在原始用戶搜索文本中前后特定長度的周圍詞匯拼接成左右子句后經(jīng)由雙向循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取。

（c）TOP N 關(guān)鍵詞特征提取模塊。TOP N關(guān)鍵詞模塊是對(duì)TOP2關(guān)鍵詞模塊的補(bǔ)充，是指除提取TOP 2關(guān)鍵詞及其周圍詞匯拼接成的子句特征外，進(jìn)一步提取關(guān)鍵詞提取模塊中得到的排名前 N個(gè)搜索詞的特征。

（二）全文檔特征提取模塊

為避免出現(xiàn)提取關(guān)鍵詞特征模塊中的 TOP 2關(guān)鍵詞和 TOP N 關(guān)鍵詞的用戶數(shù)據(jù)特征造成信息丟失這一現(xiàn)象，該模塊將用戶的全部搜索文檔按原始順序輸入循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取。但為屏蔽搜索文本中較通用的無意義文本，在此模塊中引入注意力機(jī)制，對(duì)重要性不同的文本分配以不同的權(quán)重，以此提高對(duì)用戶搜索數(shù)據(jù)中關(guān)鍵內(nèi)容的關(guān)注度。

使用深度學(xué)習(xí)算法的理論，建立起初始數(shù)據(jù)庫，對(duì)初始數(shù)據(jù)庫中數(shù)據(jù)進(jìn)行訓(xùn)練。同時(shí)收集保險(xiǎn)孕產(chǎn)婦提交到互聯(lián)網(wǎng)平臺(tái)上的信息、動(dòng)態(tài)以及測量表數(shù)據(jù)，利用Multi－Aspect的融合保險(xiǎn)用戶畫像生成模型，建立全渠道用戶標(biāo)簽體系，將不同孕產(chǎn)婦進(jìn)行細(xì)致化分類，得出孕產(chǎn)婦不同的風(fēng)險(xiǎn)指數(shù)、保險(xiǎn)區(qū)分等級(jí)。

三、保險(xiǎn)精算

定價(jià)過程中需要的數(shù)據(jù)有：試管年齡分類成功率、就診率、利率、退保等。但是在我們的精算假定過程中，本文主要從試管嬰兒平均妊娠率、流產(chǎn)率、妊娠并發(fā)癥平均發(fā)生概率、新生兒平均發(fā)病率入手，并未考慮其他數(shù)據(jù)影響。

其中，精算假定如下：

（1）孕產(chǎn)婦的試管嬰兒平均妊娠率、流產(chǎn)率、妊娠并發(fā)癥平均發(fā)生概率、新生兒平均發(fā)病率會(huì)影響價(jià)格厘定，本文采用世界衛(wèi)生組織和《中國計(jì)劃生育學(xué)雜志》發(fā)布的官方數(shù)據(jù)與全球發(fā)生概率和我國發(fā)生概率相結(jié)合得出了這一部分?jǐn)?shù)據(jù)。

（2）本文所針對(duì)的采用輔助生殖技術(shù)妊娠失敗所產(chǎn)生的費(fèi)用較大，平均每個(gè)IVF周期數(shù)費(fèi)用約為3.5-4.5萬元，故不設(shè)置免賠額。

假定r1為試管嬰兒平均妊娠失敗率；m為每份保費(fèi)；C為賠付成本；e為包含合同費(fèi)用、監(jiān)管費(fèi)用在內(nèi)的預(yù)期收益率，可以得到保費(fèi)價(jià)格測算方程公式：

通過計(jì)算，保費(fèi)設(shè)置為三檔，分別為3988元/人/年、10388元/人/年、28478元/人/年，對(duì)應(yīng)的保額分別為5萬、8萬、50萬，這是胚胎移植手術(shù)費(fèi)用的保障設(shè)置。

四、精算樣例

以浙江省某城市為例，其中20-47歲孕產(chǎn)婦約3.8萬人，根據(jù)我國2021年18%的不孕不育率，大概有6840人需要采用輔助生殖技術(shù)，經(jīng)過本組成員調(diào)查問卷調(diào)查結(jié)果得出76%的調(diào)查人員支持包含輔助生殖技術(shù)的保險(xiǎn)，照此測算約有5200人，總投保數(shù)為5200份，以兩年期為準(zhǔn)，低風(fēng)險(xiǎn)的占比85%，中風(fēng)險(xiǎn)占比13%，高風(fēng)險(xiǎn)占比2%（各風(fēng)險(xiǎn)指數(shù)的占比依據(jù)當(dāng)?shù)匦l(wèi)生健康委員會(huì)與新聞官方網(wǎng)站數(shù)據(jù)測算得出），收取總保費(fèi)約2761.1萬元，設(shè)定妊娠失敗率即為該保險(xiǎn)的賠付率，由此可得表二。

五、解決問題

本文基于國家政策，輔助生殖技術(shù)成功率、妊娠并發(fā)癥發(fā)生率、流產(chǎn)率、新生兒發(fā)病率等相關(guān)概率數(shù)據(jù)，構(gòu)建婦女孕中保險(xiǎn)產(chǎn)品設(shè)計(jì)，以期解決以下問題：

（1）解決因不育引發(fā)的家庭、社會(huì)問題。受傳統(tǒng)觀念的影響，多數(shù)盼子心切的家庭，都給不育夫婦帶來了巨大的心理壓力，同時(shí)還會(huì)引起夫妻離異、家庭不和睦、婚外戀等家庭問題，乃至非法代孕、非法買賣精子卵子等社會(huì)的問題。而“輔孕險(xiǎn)”幫助擴(kuò)大輔助生殖技術(shù)的運(yùn)用，使不育夫婦妊娠生子的愿望有實(shí)現(xiàn)的可能，有助于解決由不育引發(fā)的相關(guān)問題。

（2）促進(jìn)人口長期均衡發(fā)展，提高優(yōu)生優(yōu)育?！拜o孕險(xiǎn)”響應(yīng)了國家“三孩政策”的號(hào)召。“輔孕險(xiǎn)”充分認(rèn)識(shí)到生育政策優(yōu)化以及促進(jìn)人口長期均衡發(fā)展意義重大，提高優(yōu)生優(yōu)育服務(wù)水平非常必要且迫切。輔助生殖技術(shù)是實(shí)現(xiàn)優(yōu)生的重要手段，在臨床中正好能遏止遺傳病的傳遞。我國先天殘疾人口高達(dá)幾千萬，每年還有新生有遺傳缺陷人口20多萬，實(shí)行優(yōu)生對(duì)于我國人口具有重要意義。對(duì)于有遺傳缺陷的育齡夫婦，通過“輔孕險(xiǎn)”采用輔助生殖技術(shù)的供精、供卵、供胚或胚胎移植前遺傳學(xué)診斷等方法，進(jìn)而切斷導(dǎo)致遺傳病發(fā)生的有缺陷基因與異常染色體和后代傳遞，保證生育健康嬰兒。為我國優(yōu)生做出有效貢獻(xiàn)。

（3）推動(dòng)輔助生殖技術(shù)發(fā)展。輔助生殖技術(shù)是人類生殖過程、遺傳病機(jī)制、干細(xì)胞定向分化等研究課題的基礎(chǔ)，通過“輔孕險(xiǎn)”的基礎(chǔ)擴(kuò)大ART的臨床應(yīng)用，會(huì)為這些課題的深入研究積累經(jīng)驗(yàn)，創(chuàng)造發(fā)展條件，推動(dòng)醫(yī)學(xué)及生命科學(xué)的不斷發(fā)展進(jìn)步。

參考文獻(xiàn)：

［1］陳瑩，李飛，迪力夏提·阿不力孜，等. 年齡對(duì)卵巢低反應(yīng)患者輔助生殖技術(shù)治療后活產(chǎn)率的影響及其閾值效應(yīng)分析[J]. 中國全科醫(yī)學(xué)，2022，25（3）：264-269.

［2］丁婷（綜述），喬杰（審校）. 輔助生殖技術(shù)與出生缺陷[J]. 國際生殖健康/計(jì)劃生育雜志，2013（6）：442-445.

［3］郭瑞，孟煥平，戴芳芳. 輔助生殖助孕后雙胎自然減胎分析[J]. 實(shí)用婦科內(nèi)分泌電子雜志，2019，6（26）：47，63.

［4］李炎邁（譯），劉勇（校）. 輔助生殖的妊娠結(jié)局[J]. 中國產(chǎn)前診斷雜志（電子版），2014（2）：47-62.

［5］苗宇，金醒男，杜永萍.基于Multi-Aspect的融合網(wǎng)絡(luò)用戶畫像生成方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2022，32（08）：20-25.

［6］謝奇君，李欣，趙純，等. 輔助生殖技術(shù)相關(guān)并發(fā)癥的研究進(jìn)展[J]. 國際生殖健康/計(jì)劃生育雜志，2021，40（3）：204-208.

［7］徐小璐，徐偲越，陳彩虹，等.首個(gè)完整周期人類輔助生殖技術(shù)妊娠流產(chǎn)對(duì)后續(xù)周期助孕結(jié)局的影響[J]. 鄭州大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2022，57（1）：78-82.

［8］楊云，喬寵. 輔助生殖技術(shù)與復(fù)發(fā)性流產(chǎn)[J]. 中國計(jì)劃生育和婦產(chǎn)科，2017，9（11）：7-9.

［9］卓朝陽，毛萌，黃海霞，等. 輔助生殖服務(wù)現(xiàn)狀與治理策略探討[J]. 中國衛(wèi)生事業(yè)管理，2021，38（6）：433-436.

［10］曾倩凌，趙靜. 輔助生殖技術(shù)與不良妊娠結(jié)局及妊娠期并發(fā)癥的研究進(jìn)展[J]. 中國計(jì)劃生育學(xué)雜志，2022，30（6）：1451-1456.

［11］A Novel Active Learning Method Using SVM for Text Classification[J]. Mohamed Goudjil，Mouloud Koudil，Mouldi Bedda，Noureddine Ghoggali. International Journal of Automation and Computing.2018（03）