基于用戶感知的互聯網醫療服務對策研究

吳濤 王柔 周一杰

摘要：互聯網醫療服務是醫療行業的新興領域，服務提供者和用戶間存在較為嚴峻的信息不對稱。為此，該項目以移動平臺上的互動醫療保健咨詢服務應用為對象，采集用戶評論的感知信息并進行數據挖掘分析，研究該服務現階段存在的問題，并基于具體案例，提出合理化對策，為該行業發展提供參考。

關鍵詞：互聯網醫療;用戶感知;情感分析;對策

中圖分類號：TP393? ? ?文獻標識碼：A

文章編號：1009-3044（2021）02-0234-04

近年來，互聯網醫療服務日益受到國內外醫療衛生界的重視。國家政策的支持、市場需求的增加，尤其是信息技術的迅速發展，推動了醫療健康服務的信息化的進程，并逐漸成為當今醫療服務領域的一個重要的組成部分。然而，作為又一項傳統領域步入信息化的實例，醫療服務是一項以人為中心的復雜化、多樣化服務，如何處理服務提供者與接受者的關系，一方面提高服務的可靠性，另一方面照顧用戶的使用感受，應成為現階段互聯網醫療產業共同關心并亟待解決的問題。在這其中，用戶體驗感受的分析是一類帶有主觀和不確定因素的問題，需要基于大量感知信息數據的分析與度量才能具有較高的可信度。因此，筆者擬將基于用戶感知的大數據情感分析方法引用到互聯網醫療服務的管理領域，幫助我們更好地了解、分析與改善用戶的體驗感受。

1 對互聯網醫療服務的認識

1.1 互聯網醫療服務的基本概念

互聯網醫療服務是以互聯網為載體、以信息技術為手段（包含移動通信技術、云計算、物聯網、大數據等）與傳統醫療服務深度融合而形成的一種新型醫療服務業態的總稱。互聯網在醫療領域的運用，能夠重構就醫模式，更好地配置醫療資源，從而改善醫患關系;運用信息技術，用戶數據的監測和共享得以實現，拓寬傳統醫療的服務范圍;另外，互聯網的應用還會使監管模式得到創新，推動管理體系和能力現代化。

1.2 互聯網醫療服務的產業現狀

1.2.1 國家政策的支持

2015年7月，國務院公布《關于積極推進“互聯網+”行動的指導意見》，文件中對“互聯網+醫療”做出明確說明，提出引導醫療機構面向中小城市和鄉村地域展開基層檢查、上級診斷遠程醫療服務等意見。推動有資質的醫學檢驗、醫療服務等機構同互聯網企業合作，發展基因檢測、預防疾病等服務模式。

2018年政府工作報告也明確提出，要施行大數據發展舉措，增進人工智能技術的研發，并在健康管理及醫療養老等多個重大民生領域，加快推進“互聯網+”進程政策的引領將不斷推進互聯網醫療的前進。

2020年3月，《關于推進新冠肺炎疫情防控期間開展“互聯網+”醫保服務的指導意見》進一步指出，對于合乎要求的常見病、慢性疾病線上復診服務，各地可依規歸入醫保基金支付范疇。

1.2.2 信息技術的支撐

隨著通信技術、計算機網絡等技術的發展，為遠程醫療數據的傳輸提供了技術支持，近年來5G通信技術的興起更是為企業間大數據的傳輸提供了便利。衛星通信、云計算、PAD和智能手機等技術使移動醫療成為可能，提高了互聯網醫療的便攜性。利用信息技術和醫療技術，使一定區域范圍內的各種醫療資源得以整合，實現醫療資源利用的最大化。

1.2.3 市場需求的增加

根據前瞻產業研究院發表的《2020年中國互聯網醫療行業市場現狀及發展前景分析》指出，2012-2018年，我國互聯網醫療產業的市場規模從67億元增加至491億元，年均復合增長率達39.37%，由此可以看出我國互聯網醫療的市場需求正迅速增加。依照這一增幅，2020年行業規模預計將超過940億元，行業將進入高速增長期。另一方面，2020年春節時期的肺炎疫情，也促進了互聯網醫療產業的開展，推動許多互聯網醫院的成立。

1.3 互聯網醫療服務的評價過程

對現有的互聯網醫療服務進行評價，考慮到其是互聯網與醫療服務兩個產業的結合，要將互聯網和醫療服務兩方面的標準相結合起來進行評價。通過主觀問卷調查，我們以用戶總體滿意度作為最終評價手段，并將其細分為操作性（服務操作的簡易程度）、便攜性（服務使用的便捷程度）、可靠性（服務實際的可用程度）、功能性（服務設計的完備程度）和效率性（服務回應的快慢程度）五個方面作為評價標準，初步了解到用戶的感知信息。另一方面利用大數據手段，爬取大量帶有主觀因素的用戶評價感知信息，利用情感分析手段詳細的統計和劃分用戶的情感指數與關注角度。將兩方面分析整合，以獲得可信的統計信息。

2 基于用戶感知的情感分析法

樸素貝葉斯算法（Naive Bayesian algorithm）是基于貝葉斯定理和特征條件獨立假設的一種分類方法，在整個過程中都假設特征之間是相互獨立的以及每一個特征都是同等重要的。假設：所有的句子可以分類兩類：積極態度（c1）、消極態度（c2）;一個句子有特征w1，w2，...，wn，這n個特征相互獨立;對于情感分類任務中特征w1，w2，...，wn分別代表該句子中對應的單詞。

由樸素貝葉斯分類器原理轉換成公式并進行簡化，即：

3 產業問題分析

3.1 調查問卷分析

在問卷調查中，對互聯網健康服務系統界面以及操作滿意度進行分析，對總體滿意程度和操作性（服務操作的簡易程度）， 便捷性（服務使用的便捷程度）， 可靠性（服務實際的可用程度）， 功能性（服務設計的完備程度）， 效率性（服務回應的快慢程度）共5項之間建立線性回歸模型，以研究其之間的相關關系。

從上表可知，將操作性，便捷性，可靠性，功能性，效率性作為自變量，而將總體滿意程度作為因變量進行線性回歸分析，從上表可以看出，模型R平方值為0.641，意味著這5項可以解釋總體滿意程度的64.1%變化原因。對模型進行F檢驗時發現模型通過F檢驗（F=36.725，p=0.000<0.05），也即說明這5項中至少一項會對總體滿意程度產生影響關系，以及模型公式為：總體滿意程度=0.462 + 0.053*操作性 + 0.301*便捷性 + 0.208*可靠性 + 0.193*功能性 + 0.122*效率性。另外，模型中VIF值全部小于5，意味著不存在著共線性問題;并且D-W值在數字2附近，因而說明模型不存在自相關性，樣本數據之間并沒有關聯關系，模型較好。

最終具體分析可知：便捷性，可靠性的回歸系數值分別為0.301（t=2.964，p=0.004<0.01）和0.208（t=2.326，p=0.022<0.05），會對總體滿意程度產生顯著的正向影響關系。但是操作性，功能性，效率性的回歸系數值分別為0.053（t=0.572，p=0.569>0.05），0.193（t=1.805，p=0.074>0.05）和0.122（t=1.406，p=0.163>0.05），并不會對總體滿意程度產生影響關系。

3.2 基于SnowNLP的情感分析

SnowNLP是基于Python語言的第三方情感分析庫，它支持中文分詞、詞性標注、情感分析、文本分類、提取關鍵詞、提取文本摘要、TF-IDF、Tokenization、文本相似等操作，其可將情感文本轉換為具體的數值從而更直觀的表現評論文本中用戶的情感數值總體信息。

本文選擇了App Store中按“流行程度”排序，排名較靠前的5款App，爬取其近365天的評論信息，并利用SnowNLP，以[0，1]為映射區間，對評論內容進行情感分析，計算各App評論情感數值的平均數與中位數，結果如圖2所示。

由圖可見，即使在較為流行的應用軟件中，人們對互聯網醫療類App的評價也是良莠不齊，對于“好大夫在線”和“平安好醫生”的評價都很積極，但對“微醫”的評價卻十分消極，另外，對春雨醫生和丁香醫生的評價則偏向中性。

互聯網醫療在中國作為一個新興產業，與其對應的應用平臺還十分稀少，人們的選擇有限，進而導致了圖2中所示的，評價消極的App在應用商店中流行程度卻能位居前列，一部分原因便是替代產品的稀缺。至于替代產品稀缺的原因，一是行業剛剛起步，與之相對應的平臺尚沒有充分的時間進行開發。但反觀人工智能和大數據等新興行業，同樣處于剛起步的階段，其發展速度卻異常迅猛。

3.3 基于ROSTCM6的情感分布統計

ROSTCM6由武漢大學的沈陽教授研發編碼，是一個用以輔佐人文社會科學研究的社會計算平臺，用于完成文本分析、分詞、詞頻統計、流量分析、聚類分析等一系列文本分析。

為進一步了解5款互聯網醫療應用軟件各自評價的情感傾向分布情況，本文利用ROSTCM6，對5款App各自評論的情感傾向進行了分布統計，結果如圖3所示。

不論從高度積極情緒還是積極情緒整體看，“好大夫在線”的積極評價都是最多的，而不論從高度消極情緒還是消極情緒整體看，“微醫”的消極評價都是最多的，這也和圖1的情況吻合，SnowNLP和ROSTCM6的準確性在一定程度上得以驗證。

其中，“春雨醫生”雖然積極評價接近70%，高度積極情緒也僅次于第一的“好大夫在線”，但同時消極評價也超過了20%，僅少于消極評價最多的“微醫”。即“春雨醫生”在自身有著一定優點的同時，其存在的缺陷也到達了不容忽視的程度。

以“春雨醫生”為例，在行業正值興起的起步階段，市面上還存在著這一類主要功能水平已經達到了較高的標準，但整體的設計平衡性卻有所欠缺的應用和平臺。這其中，可以認為“春雨醫生”將成為一個值得參考和借鑒的典型范例。

3.4 基于LDA的主題挖掘

LDA（Latent Dirichlet Allocation）是一種文檔主題生成模型，由于其包括詞、主題和文檔三層構造，因此也被稱為一個三層貝葉斯概率模型。它能夠以概率分布的形式給出文檔集中每篇文檔的主題，從而通過分析一些文檔將它們的主題（分布）抽取出來后，再根據主題（分布）進行文本分類或主題聚類。

利用LDA主題模型，在經過屢次試錯，并以關鍵詞之間的強弱關系為判斷依據進行比較后，對不同APP確定了各自最適的主題數量，使其關鍵詞之間的強弱關系最佳。

在上文的分析中，可以認為“好大夫在線”“微醫”和“春雨醫生”分別代表用戶反饋良好、用戶反饋不良，以及平衡性失調、優缺兼備的互聯網醫療平臺。接下來就以這3款應用為例，具體分析其優缺點。

我們分別將3個App評論數據所挖掘的主題進行匯總與整理，各自選取了排序前三的主題，得到如下結果。

在“好大夫在線”的評論中，從主題1可以看到用戶對“好大夫在線”的積極評價甚至到了指名的程度，而這是由于其向用戶提供差異化的解決方案的可能性很大。主題2包含了用戶的感謝，以及對醫生“盡心、盡力、盡責”的正面評價。而從主題3中可以明白，該平臺的用戶在聽取醫生的解決方案后事態發展順利，問題得以平安解決，這從側面反映出該平臺醫生水準高、知識技能豐富的特點。平臺針對性的方案，醫生的處事態度和高水準，可以認為是“好大夫在線”受到好評的原因所在。

在“微醫”的評論中，從主題1中可以了解到“掛號、預約、驗證碼、會員”等“微醫”的一些運行機制。主題2表明用戶對平臺使用體驗的不滿。主題3則體現出“隱私、掛機”等問題。“微醫”的運行機制不夠完善，用戶感知差，再加上隱私泄露、醫生不能及時反應等問題，導致了“微醫”如此的負面評價。

在“春雨醫生”的評論中，主題1表明，許多女性會利用該平臺幫助瘦身減肥，但軟件存在閃退問題。主題2體現出該平臺的醫生存在不負責任、答非所問的問題，招致用戶的不滿。從主題3中又可以發現該平臺同時也存在著負責的醫生，但用戶對其收費機制有所不滿。整體看來，“春雨醫生”在瘦身減肥這一方向比較受用戶好評，但其作為健康醫療平臺的功能卻受用戶詬病。“春雨醫生”有一小部分自己的客戶群體，但其針對性太強，泛用性差，正是其大量積極評論和消極評論共存的原因。

4 對策分析與提出

4.1 完善相關法律法規

從“微醫”例可以看出，目前互聯網醫療平臺中還存在著隱私泄露等安全問題。因此，應出臺統一的互聯網醫療相關的規章制度，設立較為完善的獎懲措施，正確引導互聯網醫療平臺的發展、開展醫療服務。唯有用戶的正當權益得到保障，用戶才會安心使用平臺，平臺用戶群體也才會得以保障。在保證用戶安全和隱私的前提下，再出臺相應政策以鼓勵扶持各互聯網醫療類平臺的發展，促進相關機構和人員的積極性。

4.2 優化操作便捷性

用戶在互聯網醫療類軟件中所追求的正是在手機上也能獲得醫療服務的便攜性。而像“微醫”一樣把操作復雜化，平臺就喪失了其優勢與意義。互聯網醫療類軟件應盡量使其操作簡單明了，優化使用體驗。在必要的時候可以迅速找到并使用想要的功能，在遇到急性病或者突發情況時才不會措手不及，才能發揮出互聯網醫療真正的價值。

4.3 提高醫生水準

即使“春雨醫生”在瘦身減肥這一方面做得不錯，但其醫生“不負責任”“答非所問”，依然招致許多負面的評價。“微醫”也同樣出現了“掛機”的情況。作為一款醫療類軟件，其根本還是健康服務，醫生水準不夠、沒責任心，即使做出再多花里胡哨的功能也沒用。所以互聯網醫療平臺應該提高醫生認證的門檻，從技術素養和道德素養兩方面對醫生進行嚴格考察，通過才準予認證。另外，平臺應設立對醫生的獎懲措施，吸引高水準的醫生，對水準低下的醫生給予糾正。

4.4 加強平臺間合作

從上文分析中可以看出，目前大部分互聯網醫療類平臺各有優劣，并不能說十分完善。因此各平臺可以加強合作，發揮各自的特點，取長補短、互相完善。另外，通過平臺間的合作加強不同平臺間的信息共享，可以加強醫療數據采集的統一性和全面性，進一步發揮醫療健康大數據的價值，提升管理決策、資源調度、疫情防控與應急處置的合理性和科學性。

參考文獻：

[1] 孟群.“互聯網+”醫療健康的應用與發展研究[M].北京：人民衛生出版社，2015.

[2] 呂曉娟，張麟，陳瑩，等.互聯網+醫療面臨的機遇與挑戰[J].中國衛生信息管理雜志，2016，13（2）：124-127.

[3] 孟群，尹新，梁宸.中國互聯網醫療的發展現狀與思考[J].中國衛生信息管理雜志，2016，13（4）：356-363.

[4] 國務院關于積極推進“互聯網+”行動的指導意見[J].中華人民共和國教育部公報，2015（Z2）：6-19.

[5] 2020年中國互聯網醫療行業市場現狀及發展前景分析[R].前瞻產業研究院，2020：5-9.

[6] 李克強.政府工作報告——2018年3月5日在第十三屆全國人民代表大會第一次會議上[J].中華人民共和國國務院公報，2018（12）：9-24.

[7] 王安其，鄭雪倩.我國互聯網醫療運行現狀——基于3家醫院的調查分析[J].中國衛生政策研究，2016，9（1）：69-73.

[8] 王蕾，趙國光.“互聯網+醫療”的困境及政策解析[J].中國醫院，2016，20（2）：45-46.

[9] 汪鵬，吳昊.國內外移動互聯網醫療應用現狀及未來發展趨勢探討[J].中國數字醫學，2014，9（1）：8-10.

【通聯編輯：代影】