智慧医疗下医学人才培养策略的博弈模型研究

（安庆医药高等专科学校公共基础部，安徽安庆246052）

摘要：随着智慧医疗的发展，复合型医学人才成为社会的迫切需求。文章通过构建两种不同的博弈模型，来分析

高等医学院校与医疗机构双方合作培养人才的稳定性因素，同时分析信息学与医学专业课程合理的设置方向。研究结果表明：从影响各主体的收益因素出发，创造利益最优化的促进条件，可以有效促使高等院校与医疗机构双方积极参与到人才培养事业上来，并能够保证合作的稳定性与可持续性。

关键词：智慧医疗；人才培养；博弈论；信息学中图分类号：G40-054；G649.21

文章标识码：A

DOI：10.13757/j.cnki.cn34-1328/n.2019.04.008

文章编号：1007-4260（2019）04-0030-05

ResearchonGameModelofMedicalTalentsTrainingStrategy

underSmartHealthcare

WUXingyan,YAOChengkuan,CAOLiyong,CHENXiangyang,WANGLiping

（DepartmentofCommonBasic,AnqingMedicalandPharmaceuticalCollege,Anqing246052,China）

Abstract:Assmarthealthcaredevelops,thesocietyisindesperateneedofversatilemedicaltalents.Thearticleconstructstwodifferenttypesofgamemodelstoanalyzethestabilityfactors,whichinfluencethecooperationbetweenmedicalcollegesandmedicalinstitutionsontalenttraining.Inaddition,itanalyzesthereasonableorientationofinformaticsandmedicalcoursesetting.Theresultshowsthatcreatingthepromotingconditioninordertomaximizeinterestscaneffectivelyengagethemedi-calcollegesandmedicalinstitutionsintalenttraining.Italsoguaranteesthestabilityandsustainabilityofthecooperationcon-sideringthefactorswhichinfluencetheinterestsofdifferentparties.

Keywords:smarthealthcare;talenttraining;gametheory;informatics

随着人工智能学科的发展，基于物联网技术下的智慧医疗成为研究热点[1-2]。如何智能化实施医疗服务，促进医疗事业质的飞跃，从根本上应回归到医学人才的培养上来。如今医学人才的培养主要注重全科人才、专科人才[3]、高素质医学人才，而智慧医疗环境是需要能够从事并精湛于智能化医疗的复合型人才[4]，因此，构建医学复合型人才培养模式是一项非常有意义的研究。智慧医疗下医学人才培养是以政府政策为导向，医学院校与医疗机构主体之间协同创新的组织模式。主体之间拥有共同的目标却又相互独立，通过打破主体间的壁垒，进行人才技术、信息资源、科研成果等方面的共享，实现资源整合与深度合作，产生高效率的团队[5]，最终创造出系统叠加的非线性效用。在完成共同目标的过程中，保证合作的稳定性尤为重要。从博弈学的角度出发，建立博弈模型，分析各方的付出与回报，求解模型的纳什均衡状态，从而找出影响医学复合型人才培养模式的稳定性因素，实现各博弈方自觉持续地合作。

收稿日期：2018-09-30

基金项目：2019年安徽省高校人文社会科学研究重点项目（SK2019A1067，SK2019A1065），安徽省教育厅省级质量工程精品开放课

程（2017kfk130）和安庆医药高等专科学校校级重点自然科学项目（ZR2019004）

作者简介：吴兴燕（1984—），女，安徽安庆人，硕士，安庆医药高等专科学校公共基础部讲师，研究方向为人工智能、教育学。

E-mail：297238790@qq.com

第4期吴兴燕，姚程宽，曹立勇，等：智慧医疗下医学人才培养策略的博弈模型研究

·31·

1博弈模型的选取及其适用性

在传统的重复博弈、动态博弈以及静态博弈过程中，采用的是“完全理性”的假设[6-7]，即以博弈方具

有完全理性为基础，很少分析博弈方的理性局限，这也是经典博弈论的基本假设之一[8]。但现实中博弈方很难达到完全理性[9-10]，决策行为者受到自身知识水平、领域了解程度、问题的复杂程度以及各方面环境因素的影响，理性局限是非常明显的。为了保证复合型医学人才培养过程中构建的博弈模型具有理论及应用价值，博弈的构建从两个角度出发：一方面，针对高等医学院校与医疗机构主体之间的人才培养博弈，选用有限理性的进化博弈模型[11-12]构建分析框架；另一方面，在大学基础知识学习阶段中信息学与医学、药学、护理学等医学专业学科之间的博弈参考合作博弈进行分析，考虑博弈方采用联合理性行为，通过协调形成默契，去实现培养出能胜任智慧医疗事业的复合型人才的共同目标。

2模型框架的构建

（1）高等医学院校与医疗机构主体之间的博弈模型。高等医学院校与医疗机构都肩负着培养人才、服务社会的责任，但是从各自的发展方向考虑，又有着不同的偏向。高等院校发展的目标是输出社会需求的人才，提升就业率，而医疗机构则希望便捷地获得高素质人才。他们之间存在人才培养的合作关系，但同时存在降低投入成本的便车利益诱惑，由此形成了培养医学人才的高等医学院校与获取高素质人才的医疗机构等部门之间的博弈。在政府的政策扶持与制度监管下，高等医学院校协同医疗机构参与到人才培养事业上来，他们互助互利去实现共同的目标。在获得总体收益后，分别使各博弈方的需求得到满足才是合作维持的动力与合作稳定性的保障。高等医学院校在培养人才的过程中依据社会需求进行专业的调整与设置[13]、与时俱进地进行教材的更新[14]、培养出来的人才与社会需要的供求关系合理性[15]、培养出的人才社会适应程度[16]等这些都是不可忽视的问题。虽然院校以基础性教学为主要任务，但是如果只停留在完成自身的教学任务，忽视社会需求，反而会造成低效的影响。因此，高等医学院校博弈方有“与时俱进”和“墨守成规”两种可选策略，“与时俱进”的概率设为x，“墨守成规”的概率即为(1-x)。医院等医疗机构主体在人才培养过程中，与高等院校的合作、进行产学研的结合，也会对自身的发展产生积极的影响。医疗机构主体方在博弈过程中有“协同”和“不协同”两种可选策略，“协同”的概

则“不协同”的概率为(1-y)。经分析，模型相关收益都是在双方非合作独立状态下原本固有率设为y，

收益的增幅，因此固有收入不参与收益分配，博弈参数详细设定如下：（i）当高等医学院校选择“与时俱进”、同时医疗机构选择“协同”策略，则学校创造人才培养的正收

包含学校影响力的提升、学校生源的扩大、学校发展速度的加快等。医疗机构也获得了产学研益为W11，

医疗机构“协同”过程中的成本投入设为C2。声誉的提高等。校方“与时俱进”伴随的成本投入设为C1，包含医疗课题的研究、积极且少偿劳动力的涌入、高质量医疗队伍的培养、社会结合带来的正收益W12，

（W21（ii）两博弈方的动因不同，双方参与合作的动力有所差异，合作过程中偷懒行为不可避免，单方面搭

便车的情况时常存在。当高等医学院校选择“与时俱进”，而医疗机构选择“不协同”时，则校方收益为W21

（iii）政府是人才培养事业中不可缺少的协调者，政府适度的政策支持为产学研高效率合作创造了

“与时俱进”策略、同时医疗机构选择“协同”策略时，政府将同时给与双方各R的可能性[17]。当校方选择

奖励。对于校方或医疗机构的消极行为将对应采取F的处罚。

由上可以得到高等医学院校与医疗机构双方主体之间的博弈得益矩阵，如图1所示。

高

等医

学与时俱进院

校墨守成规

医疗机构

协同

不协同(W21-C1,H2-F)

(-F,-F)(W11+R-C1,W12+R-C2)(H1-F,W22-C2)

图1人才培养博弈

·32·

安庆师范大学学报（自然科学版）2019年

益，U2(1-Y)表示医疗机构“不协同”策略的期望收益。

依据以上博弈矩阵，可计算出两博弈方不同策略的收益。高等医学院校“与时俱进”策略的期望收

益设为U1X，其“墨守成规”策略的期望收益设为U1(1-X)。同理可设U2Y表示医疗机构“协同”策略的期望收

这样，高等医学院校博弈方不同策略的博弈收益及其平均收益为

U1X=y(W11+R-C1)+(1-y)(W21-C1)，U1(1-X)=y(H1-F)+(1-y)(-F)，-U1=xU1X+(1-x)U1(1-X)=(W11+R-W21-H1)xy+(W21-C1+F)x+H1y-F。

同理可计算出医疗机构博弈方不同策略的博弈收益及其平均收益：

U2Y=x(W12+R-C2)+(1-x)(W22-C2)，U2(1-Y)=x(H2-F)+(1-x)(-F)，-U2=yU2Y+(1-y)U2(1-Y)=(W12+R-W22-H2)xy+(W22-C2+F)y+H2x-F，根据上述结果，得到“协同”策略的复制动态方程：

dy-=y(U2Y-U2)=(W12+R-W22-H2)xy-F(y)=dt(W12+R-W22-H2)xy2-(W22-C2+F)y2+(W22-C2+F)y。

根据上述结果可得采取“与时俱进”策略的复制动态方程：

dx-=x(U1X-U1)=(W11+R-W21-H1)xy-F(x)=dt(W11+R-W21-H1)x2y-(W21-C1+F)x2+(W21-C1+F)x,

令F(x)=F(y)=0，可解出所有复制动态稳定状态。经计算该博弈存在5个均衡点（0,0）、（1,0）、

W22-C2+FW21-C1+F其中x*=-，y*=-。根据线性方程的“稳定性定（0,1）、（1,1）、(x*,y*)，

W12+R-W22-H2W11+R-W21-H1理”，在这些稳定状态处F(x)、F(y)的导数（也就是切线的斜率）必须小于0，求得满足条件的均衡点即如表1所示。为相应的进化稳定策略[11]，

表1

序号12345

均衡解（0,0）（1,0）（0,1）（1,1）(x*,y*)

博弈系统的稳定策略分析W22-C2<-F且W21-C1<-F

线性方程的稳定性条件博弈分析渐进稳定渐进稳定渐进稳定渐进稳定不稳定

W12-C2+R>H2-F且W11-C1+R>H1-F

W22-C2>-F且W11-C1+RW12-C2+R-F

——

由表1可知，该博弈模型存在稳定策略。首先，当合作过程中存在一方搭便车的现象时，若合作方的

净收益过低，甚至出现了亏损，则（0,0）是他们的稳定策略，即双方都趋向于选择消极不配合。其次，存在搭便车情况下，若选择合作方的收益高于不合作时的处罚，且便车方的净收益大于其在积极配合合作方时的净收益，则此情况下便车现象也趋于稳定，正如均衡策略(1,0)、(0,1)。最后，若双方都选择积极参与到人才培养事业上来，满足条件W12-C2+R>H2-F且W11-C1+R>H1-F，即当高等院校选择“与时

俱进”策略、同时医疗机构选择“协同”策略时，各自净收益大于两博弈方搭便车时各自的净收益，此时策略趋于稳定，更重要的是其博弈均衡解（1,1）正是满足社会需求的理想策略集。因此通过调节各条件因素，促使双方积极配合，并使合作趋于稳定，实现帕累托上策均衡，是我们需要追寻的目标。

（2）信息学与专业学科主体之间的博弈。智慧医疗环境下，医护人员的基本要求是能够熟练操作更高端的现代化仪器，能够利用计算机医疗管理系统及时处理数据、分析病症、获得合理的治疗方案。因此在医学专业知识的教育过程中，信息学的重要性不可忽视。信息学与专业学科主体之间可视为联合体，它们之间存在“双赢”的博弈模式。信息学与专业学科的共同目标是培养符合智慧医疗环境的复合型医学人才。虽然信息学与专业学科博弈方之间拥有共同的目标，但是在共同目标下他们还拥有各自的小目标，这就很有可能产生不协调的状态。比如，对于信息学学科的教育，重在培养学生的计算机知识的基础教育和计算机软件的应用操作能力，培养学生自主学习新知识的能力。通过指导学生对计算

第4期吴兴燕，姚程宽，曹立勇，等：智慧医疗下医学人才培养策略的博弈模型研究

·33·

机基础知识、计算机操作系统、OFFICE办公软件以及计算机网络的学习，让学生能够熟练运用计算机技

术进行便捷的工作。而医学专业课程更需要医学院校的信息课程能针对性的为智能化的医学技术服务，让学生切实掌握一些实用的医学相关软件技术，例如计算机图像处理技术、计算机辅助分析软件、医学统计软件等等。因此，如何在有限的学时中培养出真正符合智慧医疗环境下的医学复合型人才是迫切需要解决的现实问题。面对这些冲突，各博弈方都无法单独解决，因此，课程的设置需要改革。

3博弈分析的结论与建议

对培养复合型医学人才的多重博弈分析结果表明，政府对人才培养的重视程度、高等医学院校的办学态度、医疗机构的合作意向都将影响医学复合型人才的培养。所以，要从以下两个角度思考，着手强化复合型人才培养项目的促进策略。

（1）从高等医学院校与医疗机构主体之间博弈模型的角度可以看出，政府、高等医学院校、医疗机构在人才培养过程中的作用都很重要。第一，在医学院校与医疗机构选择策略过程中，政府合理、多元化的政策支持是促进他们选择积极策略的重要影响因素。在社会医疗需求下，政府努力营造环境，促使博弈双方资源共享、协同合作。政府可通过规范奖惩机制、制定高效制度等途径进行宏观调控，调节两博弈方的利益分配，实现高等医学院校与医疗机构优势互补，增加双方的边际收益。政府通过健全监督机制，增加各博弈方搭便车行为的风险代价，预防合作过程中潜在的投机取巧或偷懒行为，实现（1,1）理想策略下的稳定均衡。第二，作为复合型人才培养的重要参与方，高等医学院校选择“与时俱进”策略所得收益远超出一般意义上的物质价值，非物质元素的收获更能满足其成就感。高等医学院校培育出更多的优秀医学人才，有利于推动医学科学的进步、院校名誉以及社会地位的提升，促进了院校的可持续发展。针对实现“与时俱进”策略的途径，需要围绕培养智慧医疗下的复合型人才这一目标，从多个角度分析问题、多个方面细化问题、多个渠道解决问题，制定最合理的措施，促使博弈方创造出超额的净收益，让“与时俱进”成为一个有保障的稳定循环。同时擅于释放人才、技术、信息等资源，建立高效、开放的共享模式，实现与其他主体之间的协同与创新，创造更多的社会、经济效益。第三，医疗机构博弈方需要增强合作意识，选择“协同”策略有利于相关人才的储备、有利于提升行业发展过程中的竞争力。医疗机构本身的建设与发展需要人才的储备，医学理念的进步、医疗技术的革新更离不开高端人才。医学人才的发展方向主要有学术、技术和管理，协同培养人才实施过程中可对人才进行因材施教、细化类型、分类管理、定向培训。医学学术人才的发展可依托高等医学院校的科研平台，探究出合作创新的学术成果。医学技术人才的发展需要借助高级技术人才的引领，鼓励并突出中青年技术人才的主导地位，健全技术人才的评价机制，形成完整的专业技术人才培养模式。医学管理类人才的培养可通过发展卫生管理学科体系，加强人才队伍的思想政治水平以及人文素养，深入研究卫生政策与体系，引导学生用科学的方法和高尚的职业道德去面对问题、解决问题。

（2）从信息学与专业学科主体之间的博弈角度，获得启示：在人工智能的医疗环境下，复合型医学人才的培养离不开切实有效的课程设置。通过计算机学科与医学科的专家、教育者共同讨论智慧医疗下的复合型人才培养方案，明确医学专业教育过程中信息教育的作用与目标，让医学生在校期间打下扎实的计算机知识基础，让学生获得自主探究的能力。通过高等医学院校与医疗机构的协同办学，针对不同系别、不同专业、不同从业要求的学生，安排不同的实训项目，让学生熟练掌握典型的医学应用软件，同时让学生获得自主学习新智能软件解决医学问题的能力。此外，增加设置信息医学专业，进行人工智能医学复合型人才的专门培养，致力于培育满足人民医疗需求的智慧医疗高端人才。参考文献：

[1]ZHANGY,QIUM,TSAICW,etal.Health-CPS:healthcarecyber-physicalsystemassistedbycloudandbigdata[J].IEEESystemsJournal,2017,11(1):88-95.

[2]倪明选,张黔,谭浩宇,等.智慧医疗-从物联网到云计算[J].中国科学:信息科学,2013,43(4):515-528.[3]苏强.医教协同下全科医学人才培养改革研究[J].教育研究,2016(4):61-73.

[4]曹立勇,姚程宽,光峰,等.面向智慧医疗的信息化人才培养模式研究:以安庆医药高等专科学校为例[J].成都中医药大学学报(教育科

·34·

学版),2017,19(2):18-20.

安庆师范大学学报（自然科学版）2019年

[5](美)迪恩·乔斯瓦尔德.协同与成功:组织效率管理[M].徐世群,陈奎宁,译.成都：四川科学技术出版社,1991:252-264.[6]谢识予.经济博弈论[M].上海：复旦大学出版社,2007:209-243.

[7](法)克里斯汀·蒙特,(法)丹尼尔·塞拉.博弈论与经济学[M].张琦,译.北京:经济管理出版社,2005:4-6.[8]王先甲,全吉,刘伟兵.有限理性下的演化博弈与合作机制研究[J].系统工程理论与实践,2011,31(S1):82-93.[9](美)赫伯特·西蒙.人类活动中的理性[M].胡怀国,冯科,译.桂林:广西师范大学出版社,2016:22-26.[10]范如国.博弈论[M].武汉：武汉大学出版社,2011:287-290.

[11]谢识予.有限理性条件下的进化博弈理论[J].上海财经大学学报,2001,3(5):3-9.[12]SMITHJM,PRICEGR.Thelogicofanimalconflict[J].Nature,1973,246:15-18.

[13]黄首晶,杜晨阳.试析社会、高校、政府在高校创业教育中的主体功能:基于中美的比较分析[J].比较教育研究,2017(9):79-111.[14]高翔.打造新教材应对新趋势:浅谈新医疗形势下的教材出版[J].科技与出版,2016(7):110-112.

[15]阎国华,邹放鸣.大学与社会的共轭:人才培养与社会需求间的适度关系研究[J].东北大学学报(社会科学版),2013,15(2):200-204.[16]朱庆峰,孟克,顾坤华.地方高校人才培养的社会适应性探究:以常熟理工学院为例[J].中国高教研究,2015(10):91-94.[17]谈毅.政府在产学研合作中的定位与作用机制理论模型探讨[J].高校教育管理.2015,9(4):24-34.

（上接第24页）

4总结

本文基于B样条，利用其拟合函数时表达能力强、可灵活调节等优点，将其作为支持向量分位数回

归的基函数，构造了支持向量分位数回归模型。通过拉格朗日函数将模型求解的原始优化问题转化为对偶问题，再通过调用R中二次规划的程序包对其进行求解。模拟显示，本文方法给出的分位数估计表现良好，能比较完整地表示响应变量的条件分位数变化状况。但是，本文未系统讨论如何选取最优的调节参数，这是一个比较复杂的问题，涉及样条的次数、节点个数和位置以及惩罚参数的大小，这些理论工作有待进一步的研究。参考文献：

[1]VAPNIKVN.Thenaturalofstatisticallearningtheory[M].NewYork:Springer,1995.

[2]丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报,2011,40(1):2-10.[3]张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):32-42.[4]李育安.分位数回归及应用简介[J].统计与信息论坛,2006,21(3):35-38.

[5]TAKEUCHII,LEQV,SEARSTD,etal.Nonparametricquantileestimation[J].JournalofMachineLearningResearch,2006,7(2006):1231-1264.

[6]LIY,LIUY,ZHUJ.Quantileregressioninreproducingkernelhilbertspaces[J].JournalofAmericanStatisticalAssociation,2007,102(477):255-268.

[7]SHIMJ,HWANGC.Supportvectorcensoredquantileregressionunderrandomcensoring[J].ComputationalStatistics&DataAnalysis,2009,53(4):912-919.

[8]PARKJ,KIMJ.Quantileregressionwithanepsilon-insensitivelossinareproducingkernelHilbertspace[J].Statistics&ProbabilityLet-ters,2011,81(1):62-70.

[9]EBERTSM,STEINWARTI.OptimalregressionratesforSVMsusingGaussiankernels[J].ElectronicJournalofStatistics,2013,7(7):1-42.[10]SHIL,HUANGX,TIANZ,etal.Quantileregressionwithl1-regularizationandGaussiankernels[J].AdvancesinComputationalMathe-matics,2014,40(2):517-551.

[11]SCHOENBERGIJ.Contributionstotheproblemofapproximationofequidistantdatabyanalyticfunctions[J].QuarterlyofAppliedMath-ematics,1946,4:3-57.

[12]SCHUMAKERL.Splinefunctions:basictheory[M].NewJersey:Wiley,1981.