摘要：本文研究深度學(xué)習(xí)在遠(yuǎn)程醫(yī)療公共價(jià)值評價(jià)體系中的應(yīng)用。對遠(yuǎn)程會診病人的診療結(jié)果文本數(shù)據(jù)挖掘中，利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行數(shù)據(jù)分析和處理，結(jié)合公共價(jià)值理論體系，從而更好地為基層患者提供合理的治療方案。該方法不但降低了醫(yī)療成本，而且達(dá)到各方多贏的局面。經(jīng)過分析，該方法在既定規(guī)則的指導(dǎo)下，自主學(xué)習(xí)生成公共價(jià)值知識庫，為患者提供優(yōu)質(zhì)的診療服務(wù)。

關(guān)鍵詞：深度學(xué)習(xí)；公共價(jià)值；數(shù)據(jù)挖掘

一、引言

為實(shí)施健康中國戰(zhàn)略，建設(shè)健康城市、健康鄉(xiāng)村以及健康社區(qū)已經(jīng)成為其有力的保障，對于醫(yī)療機(jī)構(gòu)而言，如何利用好各類醫(yī)療資源去實(shí)現(xiàn)是眼前著重考慮的問題。遠(yuǎn)程醫(yī)療體系已經(jīng)經(jīng)過這些年的發(fā)展，已經(jīng)在各個地區(qū)落地建設(shè)，有了不少成功的經(jīng)驗(yàn)和案例。但是目前仍然存在優(yōu)質(zhì)的醫(yī)療資源利用率不高，分布不合理的問題，在基層醫(yī)療機(jī)構(gòu)，醫(yī)療人才的匱乏，醫(yī)療人才的嚴(yán)重流失，已經(jīng)成為深化醫(yī)改和保障生命健康的短板。

公共價(jià)值理論的核心是公共價(jià)值創(chuàng)造，它提出政府和團(tuán)體設(shè)計(jì)開發(fā)出滿足公眾需求與期望的公共服務(wù)或產(chǎn)品。本研究引入公共價(jià)值理論，包括公共價(jià)值、合法性與支持、運(yùn)作能力，來研究探索我國遠(yuǎn)程醫(yī)療的發(fā)展現(xiàn)狀和問題，對于遠(yuǎn)程醫(yī)療發(fā)展和方向的提出分析思考。

二、公共價(jià)值

公共價(jià)值理論是哈佛大學(xué)馬克莫爾教授在1995年出版的《創(chuàng)造公共價(jià)值：公共部門的戰(zhàn)略管理》一書中提出，是指同一客體或同類客體同時能滿足不同主體甚至是公共民眾需要所產(chǎn)生的效用和意義，它的內(nèi)涵包括三個方面：一是指客體的公共效用，二是指主體的公共表達(dá)，三是指規(guī)范的公益導(dǎo)向[1]。在醫(yī)療領(lǐng)域，公共價(jià)值體現(xiàn)在醫(yī)療機(jī)構(gòu)為患者提供最合理的診療服務(wù)，而不是以盈利和增值為目標(biāo)。

三、遠(yuǎn)程醫(yī)療的公共價(jià)值

（一）遠(yuǎn)程醫(yī)療的重要意義

遠(yuǎn)程醫(yī)療的開展對于優(yōu)化醫(yī)療資源結(jié)構(gòu)布局是非常有利的，它可以有效的促進(jìn)了醫(yī)療機(jī)構(gòu)之間的工作重心和資源合理分配。在擴(kuò)大上級醫(yī)院診治疑難重癥的同時，也可以提高基層醫(yī)院的服務(wù)水平。通過提升整體醫(yī)療服務(wù)效率和質(zhì)量，更好的實(shí)施分級診療。

遠(yuǎn)程醫(yī)療體系借助雙向轉(zhuǎn)診通道推動上下連通，形成基層首診、雙向轉(zhuǎn)診、上下聯(lián)動、急慢分治的分級診療格局。通過分級診療，學(xué)科能力強(qiáng)的醫(yī)院發(fā)揮學(xué)科優(yōu)勢，診治疑難雜癥，人才培養(yǎng)；基層醫(yī)院解決常見病和慢病管理，形成對患者在家門口協(xié)同連續(xù)的服務(wù)整合型醫(yī)療服務(wù)模式[2]。

借助公共價(jià)值服務(wù)理論，結(jié)合公共價(jià)值和遠(yuǎn)程醫(yī)療，探究多方共贏的模式，挖掘遠(yuǎn)程醫(yī)療發(fā)展的可行路徑。

（二）公共價(jià)值治理三角模型

該模型主要由“公共價(jià)值—合法性支持—運(yùn)作能力”構(gòu)成。

公共價(jià)值：在遠(yuǎn)程醫(yī)療范圍內(nèi)，政府、醫(yī)療機(jī)構(gòu)和患者都有一個共同的價(jià)值目標(biāo)追求，以患者的健康為根本目標(biāo)，提供可靠和安全以及持續(xù)的醫(yī)療服務(wù)，開展各類形式診療服務(wù)，遠(yuǎn)程醫(yī)療可以遵循社會公共價(jià)值理論，由政府和衛(wèi)健部門牽頭，基層醫(yī)療機(jī)構(gòu)和公眾參與，進(jìn)行遠(yuǎn)程醫(yī)療體系建設(shè)。

合法性與支持：對于遠(yuǎn)程醫(yī)療涉及到的醫(yī)療機(jī)構(gòu)和患者，他們之間行為受到公共價(jià)值約束，獲得來自政府、醫(yī)院、患者三方的支持才能實(shí)現(xiàn)為患者提供優(yōu)質(zhì)的診療服務(wù)這個目標(biāo)，合法性才能得以體現(xiàn)。醫(yī)療機(jī)構(gòu)在開展遠(yuǎn)程醫(yī)療服務(wù)過程中應(yīng)當(dāng)嚴(yán)格遵守相關(guān)法律、法規(guī)、信息標(biāo)準(zhǔn)和技術(shù)規(guī)范，建立健全遠(yuǎn)程醫(yī)療服務(wù)相關(guān)的管理制度，確保遠(yuǎn)程醫(yī)療相關(guān)業(yè)務(wù)的正常展開。

運(yùn)作能力：公共價(jià)值三角模型中的運(yùn)作能力指達(dá)成價(jià)值目標(biāo)的能力，強(qiáng)調(diào)公共價(jià)值的實(shí)現(xiàn)需要強(qiáng)有力的組織能力和資源。在遠(yuǎn)程醫(yī)療過程中，通過整合醫(yī)療資源，優(yōu)化醫(yī)療服務(wù)和人力資源配置，使得基層醫(yī)療機(jī)構(gòu)和三甲醫(yī)院之間公共資源共享。

四、公共價(jià)值知識庫

（一）深度學(xué)習(xí)

深度學(xué)習(xí)（Deep Learning）是機(jī)器學(xué)習(xí)的一個分支，采用多層神經(jīng)網(wǎng)絡(luò)（稱為深度神經(jīng)網(wǎng)絡(luò)）來模擬人腦的復(fù)雜決策能力。它是基于深層神經(jīng)網(wǎng)絡(luò)模型的機(jī)器學(xué)習(xí)技術(shù)。它是在傳統(tǒng)機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等模型基礎(chǔ)上，結(jié)合大數(shù)據(jù)和大算力發(fā)展出來的，它是具有學(xué)習(xí)和提取特征的能力，采用多層復(fù)雜結(jié)構(gòu)或者采用多重非線性變換構(gòu)成的多個層進(jìn)行數(shù)據(jù)處理[3]。

NLP是自然語言處理（Natural Language Processing）的縮寫，它是計(jì)算機(jī)科學(xué)領(lǐng)域中專注于研究如何使計(jì)算機(jī)理解、生成和處理人類語言的學(xué)科。NLP涉及的技術(shù)包括但不限于分詞、詞性標(biāo)注、句法分析、語義分析、機(jī)器翻譯、情感分析、信息抽取、文本生成等。

文本挖掘（Text Mining）是自然語言處理（NLP）領(lǐng)域中的一項(xiàng)重要技術(shù)，它涉及從大量非結(jié)構(gòu)化文本數(shù)據(jù)中提取有用信息和知識的過程。文本挖掘的目標(biāo)是幫助人們從文本數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式、趨勢和關(guān)系，以便更好地理解和利用這些數(shù)據(jù)。

（二）分類流程

患者從遠(yuǎn)程會診病歷獲取會診數(shù)據(jù)，其中記錄了基本信息、醫(yī)保性質(zhì)、地區(qū)、歷次會診數(shù)據(jù)、檢查檢驗(yàn)結(jié)果等數(shù)據(jù)，將這些數(shù)據(jù)經(jīng)過數(shù)據(jù)清洗和標(biāo)準(zhǔn)化處理后作為輸入數(shù)據(jù)。系統(tǒng)將這些數(shù)據(jù)在特定規(guī)則下進(jìn)行分析和處理，將公共價(jià)值嵌入到系統(tǒng)分析規(guī)則中，最后得到相應(yīng)的輸出結(jié)果，結(jié)果以知識庫的形式存在于系統(tǒng)中，整個過程按照既定的算法完成 [3]。

（三）基于卷積神經(jīng)網(wǎng)絡(luò)的文本挖掘

獲取患者的相關(guān)醫(yī)療數(shù)據(jù)，通過標(biāo)準(zhǔn)化和臟數(shù)據(jù)清理，將這些數(shù)據(jù)作為輸入數(shù)據(jù)。文本特征過程分文本預(yù)處理、特征提取、文本表示三個部分，最終目的是把文本轉(zhuǎn)換成計(jì)算機(jī)可理解的格式，也就是以知識庫的形式存在于系統(tǒng)中。

1.文本預(yù)處理

文本預(yù)處理是自然語言處理（NLP）中的一種過程，旨在為進(jìn)一步分析準(zhǔn)備文本數(shù)據(jù)。它包括分詞、詞性標(biāo)注、命名實(shí)體識別、文本向量化、數(shù)據(jù)分析、特征處理、數(shù)據(jù)增強(qiáng)等過程。在本文中，需要對原始的會診數(shù)據(jù)進(jìn)行降噪和標(biāo)準(zhǔn)化處理，去掉一些無意義的詞。對于一些醫(yī)學(xué)專業(yè)用語全部采用了小寫方式，以免與一些關(guān)鍵字或者符號沖突，避免在后續(xù)的數(shù)據(jù)分析和處理中出現(xiàn)錯誤。

2.Skip-gram 模型

該模型是通過預(yù)測上下文詞來訓(xùn)練詞向量，包括輸入層、投影層、輸出層，是在已知給定詞前提下預(yù)測該詞的上下文。

（1）輸入層：接收一個One-hot張量V∈R作為網(wǎng)絡(luò)的輸入，里面存儲著當(dāng)前句子中心詞的One-hot表示。

（2）編碼映射層：對于輸入的每個詞Xt，編碼映射層將通過如下的線性變換映射成為一個低維空間的向量et，

et = W1Xt+c1；W1∈R，c1∈R" " " " " " " （1）

（3）解碼映射層：前一個編碼產(chǎn)生的輸出作為后一個解碼映射層的輸入。

Zt =W2et+c2；ht =softmax（Zt）" "W2∈R，c2∈R" " " （2）

其中W2和c2是解碼層的變換矩陣及偏置向量，Zt對應(yīng)中間輸出結(jié)果，Softmax函數(shù)是將高維向量X映射成為同維度的向量Y，其作用是將高維向量轉(zhuǎn)換成一個概率分布[4]。

在本文中，數(shù)據(jù)集內(nèi)容是由不同的會診患者病歷里面的各類檢驗(yàn)檢查結(jié)果形成的患者診療意見和結(jié)論，患者診療已經(jīng)和結(jié)論經(jīng)過預(yù)處理和文本向量表示，使文本數(shù)據(jù)從高緯度高稀疏的矩陣形式轉(zhuǎn)換成了連續(xù)稠密數(shù)據(jù)[3]。

（四）數(shù)據(jù)挖掘規(guī)則

深度學(xué)習(xí)算法在本文中被引入來進(jìn)行分類分析，通過建立公共價(jià)值知識庫和規(guī)則特征庫，從而尋求患者治療的最優(yōu)解，使得政府、醫(yī)院、患者三方共贏。表1里面是各個變量名稱和指標(biāo)值如表1所示。

數(shù)據(jù)挖掘的目標(biāo)對2023年一個月內(nèi)的會診病人進(jìn)行分析，結(jié)合公共價(jià)值理論，通過深度學(xué)習(xí)算法，讓患者在合理的成本控制下得到最佳的治療方案。每個患者的個體生理指標(biāo)都有差異，診療方案沒有統(tǒng)一的標(biāo)準(zhǔn)，只能根據(jù)會診相關(guān)診療信息進(jìn)行分析判斷，結(jié)合患者多種條件分析從而獲得最適合患者的特征庫。在創(chuàng)建知識庫的過程中，按照表1中的指標(biāo)變量值進(jìn)行總和判斷，具體判定標(biāo)準(zhǔn)是變量累計(jì)值gt;2.4，達(dá)到公共價(jià)值輔助決策第1級，變量累計(jì)值2.10-2.4達(dá)到公共價(jià)值輔助決策第2級，加入知識庫；變量累計(jì)值小于2.09不加入知識庫。

（五）驗(yàn)證結(jié)果

在整個的系統(tǒng)運(yùn)行過程中，結(jié)合本文中提出的算法，對2023某月的1589名會診患者進(jìn)行自然語言分類分析，主要是將公共價(jià)值評價(jià)分析規(guī)則加入遠(yuǎn)程醫(yī)療中，最終形成遠(yuǎn)程醫(yī)療公共價(jià)值知識庫，最終的輸出結(jié)果如表2所示。

五、結(jié)束語

本文分析深度學(xué)習(xí)在遠(yuǎn)程醫(yī)療公共價(jià)值評價(jià)體系中的應(yīng)用，借助深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)行研究，建立會診病人公共價(jià)值數(shù)據(jù)知識庫并進(jìn)行知識發(fā)現(xiàn)。

根據(jù)規(guī)則和算法測試結(jié)果，深度學(xué)習(xí)在會診患者研究上，一定程度上可以幫助基層醫(yī)生對會診病人公共價(jià)值評價(jià)體系的實(shí)現(xiàn)，在政府、醫(yī)院、患者之間形成一個共贏局面，從而更加有效的利用現(xiàn)有的醫(yī)療資源為患者服務(wù)，對公共價(jià)值分析知識庫和規(guī)則庫可以進(jìn)行有效更新，對其中的噪聲數(shù)據(jù)進(jìn)行了處理，給患者的治療決策提供數(shù)據(jù)基礎(chǔ)。

作者單位：王一敏 梁治鋼 栗源宏 甘肅省人民醫(yī)院

參考文獻(xiàn)

[1]張敏.基層協(xié)商民主的公共價(jià)值管理：一個實(shí)踐路徑探索[J].探索，2018，（05）：61-70.

[2]王雪，張磊，王文華，羅怡，袁瀟瀟.國內(nèi)外遠(yuǎn)程醫(yī)療發(fā)展演化及研究趨勢可視化分析[J].2023，（02）：47-55.

[3]梁治鋼，王一敏.深度學(xué)習(xí)在電子病歷抗菌藥物使用方法分類中的應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用.2019，28（08）：71-77.

[4]張若非，付強(qiáng)，高斌，等.深度學(xué)習(xí)模型及應(yīng)用詳解[M].北京：電子工業(yè)出版社，2019：53.