第三方平台互联网诊疗的监管研究——基于演化博弈和仿真分析

李智勇，杨晴，翁开源

（1.广东药科大学医药商学院，广东 广州 510006；2.国家药品监督管理局药物警戒技术重点实验室，广东 广州 510006）

2018 年，国务院办公厅印发《关于促进“互联网+医疗健康”发展的意见》（国办发〔2018〕26号）[1]，鼓励医疗机构与互联网企业合作，加强区域医疗资源整合。2020 年初，由于新冠疫情造成了线下就诊的阻碍，使互联网诊疗服务需求激增，进一步促进了互联网诊疗行业的发展。2021 年10 月18日，国家卫生健康委员会办公厅（以下简称国家卫健委）发布关于《“十四五”国家临床专科能力建设规划》的通知[2]，提出积极构建智慧医疗体系，推广“互联网+”医疗服务新模式，争取在远程医疗方面取得积极进展。2022 年2 月8 日，国家卫健委和国家中医药局联合发布的互联网诊疗重磅政策《互联网诊疗监管细则（试行）》（以下简称《监管细则》）[3]。《监管细则》进一步推动优化互联网诊疗服务，依法依规打击互联网诊疗违规行为，严格互联网诊疗的监管。

随着互联网诊疗需求的增加，互联网诊疗行业面临蓬勃发展的机遇，但同时也存在一系列诊疗违规行为。例如，法制日报[4]指出一些互联网平台存在医生身份被冒用、开处方药却不开具处方、AI（artificial Intelligence，人工智能，以下简称AI）接诊和未接诊却不退款等问题。诊疗违规行为不仅与提供服务的供给方有关，也与第三方平台有关。即使《监管细则》规定了互联网诊疗的范围，但为了追求利润，一些第三方平台仍然选择违规操作。李玫研等[5]研究显示，第三方平台仍存在提供线上首诊服务、药事服务不规范、未能实施患者实名制等问题。据海南省卫健委公布的数据[6]，2022 年上半年有38 家由社会资本独立设置的互联网医院的在线诊疗数量不足1 000 次，其中10 家互联网医院的在线诊疗数量为0，为了维持运营，这些医院可能会进行违规的互联网诊疗。对于互联网诊疗的违规问题，陆海波[7]表示，互联网诊疗第三方平台囊括了一般第三方平台所带来的风险，还存在以咨询之名行诊疗之实以及被利益俘获的风险，使得风险的不确定性更高。邓勇等[8]表示公立互联网医院的建设涉及的主体更多，行为更为复杂，监管的难度呈指数增长，实践中存在诸多监管难点影响着医疗安全。总之，互联网诊疗存在监管难，监管情境复杂的情况，并且在维持经营和利益的驱动下，平台可能会选择违规诊疗，继而引发平台寻租活动。

寻租是指为了维护既得的经济利益、设法取得或维持垄断利益，或是对既得利益进行再分配的非生产性活动，因此寻租的产生会导致社会资源的巨大浪费。国内学者以博弈视角对寻租行为进行研究。李健等[9]研究指出，罚款额度、监管力度、监管成本是博弈主体寻租的关键因素；李静[10]探讨了企业违规生产收益、寻租成本、政府奖罚力度等因素对寻租策略的影响。朱立龙等[11]考虑药品检测中存在寻租现象，探讨了政府的奖惩、寻租成本对三方策略选择的影响关系。

综上，目前我国第三方平台互联网诊疗存在药事服务不规范、问诊过程和质量存在漏洞、未能严格执行患者实名制等问题。在利益的驱动下，也必然存在第三方平台意向寻租的风险，将导致患者无法得到及时治疗，同时增加患者医疗费用。本文以演化博弈视角针对这些问题以及寻租现象研究互联网诊疗监管策略。

1 研究方法

本文考虑H+I 模式（实体医疗机构通过与第三方平台合作给患者提供互联网诊疗服务）和I 模式（依托互联网医疗平台，建立或收购一些社会办实体医疗机构，汇聚各地医生资源，医生在平台以多点执业的方式提供互联网诊疗服务）的互联网医院诊疗服务[12]。互联网诊疗服务供给方（包括第三方平台旗下实体医疗机构注册的医生和第三方平台合作的医疗机构，以下简称供给方）和第三方平台（包括互联网企业独立注册的互联网医院，以下简称平台）存在寻租行为，构建供给方、平台和政府之间的三方演化博弈模型，分析各博弈方的策略稳定性以及各要素对策略选择的影响关系；利用Matlab R2022a 对复制动态系统的纯策略均衡点进行稳定性分析，得出不同条件下的演化稳定策略组合，最后进行仿真分析，验证不同初始条件下模型分析的有效性，并分析结论为政府完善互联网诊疗机制提出对策与建议。

1.1 基本假设

在博弈过程中，主体们无法准确预测外部环境的变化，主体往往会参考其他主体之前的行动策略来确定自己的策略选择。同时，主体三方在互联网诊疗过程中具有有限理性[13]，主体将根据已发生的行为，通过相互模仿调整自身的策略选择，最终达到稳定状态[14]。据此，研究提出以下假设：

假设1：政府、供给方和平台是本文假设的博弈主体，三方均具有有限理性。

假设2：供给方的集合策略为G1规范、G2不规范，供给方采取“规范”的概率为x，采取“不规范”的概率为1-x，0≤x≤1；平台的集合策略为S1寻租、S2不寻租，平台采取“寻租”的概率为y，采取“不寻租”概率为1-y，0≤y≤1；政府的集合策略为J1监管、J2不监管，政府采取监管的概率为z，采取不监管的概率为1-z，0≤z≤1。

假设3：供给方规范诊疗时的收益为E1，成本为C1；如果供给方进行互联网诊疗行为时，采取首诊、先购药后处方、医师非本人接诊等行为，其收益为E2，且E2>E1；同时，为采取不规范诊疗行为，供给方将产生成本C2（包括躲避监管，贿赂等）；如果政府主动监管，供给方规范诊疗时将获得补贴B1，供给方不规范诊疗时将被罚款F1；当供给方不规范诊疗，同时平台采取不寻租策略时，供给方将会遭受损失F3（对违规就诊的客户退费等）。

假设4：平台不寻租时的收益为E3，为获取更大利益，平台利用自身的审查优势，接受行贿等非法获取利润行为C2（为方便计算，将供给方违规成本等同于平台寻租收益），需要支付虚假宣传等经营管理成本C3；如果政府主动监管，平台不寻租时将获得补贴B2，平台寻租时将被罚款F2。

假设5：政府主动监管时的成本为C4；在供给方不规范诊疗，平台寻租时，政府将产生治理成本C5，且C5>C4；供给方采取规范诊疗策略时，政府将获得潜在收入E4（声誉收益，社会收益等）。

演化博弈主体相关参数含义如表1所示。

1.2 三方演化博弈模型建立

根据供给方、平台和政府的行为策略，计算出三者之间有8 种博弈组合：（G1规范，S1不寻租，J1监管）、（G1规范，S1不寻租，J2不监管）、（G1规范，S2寻租，J1监管）、（G1规范，S2寻租，J2不监管）、（G2不规范，S1不寻租，J1监管）、（G2不规范，S1不寻租，J2不监管）、（G2不规范，S2寻租，J1监管）、（G2不规范，S2寻租，J2不监管），3 个主体博弈组合的收益如表2所示。

表2 三方主体博弈收益矩阵Table 2 Benefits matrix of the three-party game

1.3 模型分析

1.3.1 三方演化博弈的期望收益和复制动态方程设供给方选择“规范”策略的期望收益为V11、选择“不规范”策略的期望收益为V12，平均期望收益为V1，则有：

故供给方博弈策略组合的复制动态方程为：

表明供给方的策略选择受违规收益与合规收益差额、违规成本和政府对供给方的奖励或罚款影响，平台不寻租的策略选择概率和政府主动监管的策略选择概率会影响供给方的策略选择。所以当收益比较大、违规成本较低时，政府应积极监管，确保供给方互联网诊疗的规范化。

设平台选择“不寻租”策略的期望收益为V21、选择“寻租”策略的期望收益为V22，平均期望收益为V2，则有：

故平台博弈策略组合的复制动态方程为：

表明平台的策略选择受供给方策略选择概率、政府策略选择概率影响，并且与政府监管时对平台的奖励或罚款、平台意向寻租的成本、平台收益和供给方贿赂成本有关。所以当寻租成本较低，供给方贿赂数额较大时，政府应积极监管，加大对平台寻租时的罚款额度或者是加大对平台不寻租时的奖励，防止出现平台寻租行为。

政府选择“监管”策略的期望收益为V31、选择“不监管”策略的期望收益为V32，平均期望收益为V3，则有：

故政府博弈策略组合的复制动态方程分别为：

表明政府的策略选择受供给方的策略选择概率和平台的策略选择概率影响，与政府监管时对供给方和平台的罚款金额和奖励以及政府监管成本有关。因此，政府提升对供给方的罚款金额和奖励可以促使互联网诊疗服务更加规范化，同时政府应及时调整自身监管成本，督促自身积极监管。

1.3.2 三方演化博弈均衡点稳定性分析 令F（x）=0，F（y）=0，F（z）=0，可得均衡点D1（0，0，0）、D2（1，0，0）、D3（0，1，0）、D4（0，0，1）、D5（1，1，0）、D6（1，0，1）、D7（0，1，1）、D8（1，1，1）。博弈模型的雅可比矩阵及偏导值如表3所示。

表3 雅可比矩阵的偏导值Table 3 Partial derivatives of the Jacobi matrix

由此可得三方演化的雅可比矩阵为：

根据演化博弈理论，在分析均衡点的稳定性时，可以通过将均衡点代入雅可比矩阵并计算其特征值来进行推断。如果均衡点的所有特征值都小于0，则可以推断该均衡点是系统的ESS（evolutionarystable strategy，演化稳定策略）。这意味着在一段时间内，该均衡点将是稳定和优势的策略选择。如果均衡点的某个特征值为0，则无法通过特征值的符号确定均衡点的稳定性。此时需要进一步的分析来确定均衡点的稳定性。如果均衡点的某个或两个或三个特征值为正，则可以确定该均衡点是一个不稳定点[15]。这意味着在博弈过程中，该均衡点将不具有稳定性，参与者可能会转向其他策略选择。需要注意的是，以上说法基于对雅可比矩阵特征值的分析，在具体应用时还需进一步综合考虑其他因素来评估均衡点的稳定性。总之，通过对雅可比矩阵特征值的分析，可以在一定程度上推断均衡点的稳定性，但需综合考虑其他因素来做出准确的评估。

对不同情形下均衡点的进行稳定性分析，如表4所示。

表4 均衡点稳定性分析Table 4 Equilibrium point stability analysis

情形一：因为-E1-F3<0、-C3<0、-B1-B2-C4<0，此时为稳定点ESS，演化均衡点D5为（1，1，0），博弈趋向于（供给方规范诊疗，平台不寻租，政府部门不主动监管）的策略组合稳定。

情形二：当供给方不规范利润E2足够大，且大于政府监管时对供给方补贴B1、对供给方的罚款F1、供给方不规范诊疗的成本C2和供给方规范诊疗时的收益E1时，B1+C2+E1-E2+F1<0；当供给方不规范诊疗的成本C2与平台不寻租获得的收益E3之和大于平台意向寻租时的费用C3与政府监管时对平台寻租的罚款F2之和时，C3-C2-E3+F2<0；当政府对供给方和平台的罚款大于监管成本时，C4-F1-F2<0。此时博弈趋向于（供给方不规范诊疗，平台寻租，政府部门主动监管）的策略组合稳定，演化均衡点为D4（0，0，1）。

情形三：当供给方不规范收益E2大于规范收益E1与供给方不规范诊疗成本C2时，C2+E1-E2<0；当平台意向寻租费用C3小于供给方违规诊疗成本C2时，C3-C2-E3<0；当政府对供给方违规诊疗的罚款F1与政府对平台寻租罚款F2小于政府主动监管时的成本C4时，F1-C4+F2<0。此时博弈趋向于（供给方不规范诊疗，平台寻租，政府部门不主动监管）的策略组合稳定，演化均衡点D1为（0，0，0）。

2 仿真模拟

在理论分析的基础上，根据限定条件和复制动态方程，运用Matlab R2022 a 软件对供给方、平台和政府仿真演化分析各参数变动对演化结果的影响。首先，设定数组1：E1=90，E2=150，E3=50，C1=10，C2=60，C3=20，C4=50，C5=200，F1=30，F2=50，F3=100，B1=10，B2=20（以下赋值单位：万元）。数组1满足情形一的要求，在数组1 的基础上分析E2、C2、F1、F2、B1、B2对演化博弈过程的影响。

第一，分析供给方违规诊疗时的收益E2对演化博弈过程的影响。令E2分别为150、160、180，复制动态方程随时间演化50 次的图。由图1 可知，供给方违规收益上升时，到达均衡点D5速度减缓。当E2增加时，供给方合规诊疗概率保持一定，政府主动监管的概率增大，直至供给方合规的概率为1时，政府监管的概率下降，直至均衡点。因此，当违规收益很高时，供给方更倾向于选择违规诊疗策略，为降低医疗供给方违规诊疗的概率，政府需要加强对供给方诊疗的监管。

图1 供给方违规收益的影响Figure 1 Impact of supply-side violation earnings

第二，分析供给方违规成本C2对演化博弈过程的影响。令C2分别为60、80、100，由图2 可知，供给方违规成本上升时，平台更倾向于寻租的策略选择，当C2成本增加时，供给方违规的概率降低，政府主动监管的概率也会降低，供给方合规的概率为1时，政府主动监管的概率下降直至到达均衡点。

图2 供给方违规成本的影响Figure 2 Impact of supply-side violation costs

第三，分析政府对供给方违规就诊行为罚款F1、政府对平台寻租行为罚款F2对演化博弈过程的影响。令F1分别为40、50、60，由图3可知，政府对供给方违规就诊行为罚款上升时，政府主动监管的概率上升，随着时间推移，供给方合规的概率上升，当供给方合规的概率为1 时，政府主动监管的概率下降，直至到0；参照甘肃市场监督管理局对违规互联网医院的处罚金额，设F2分别为50、60、80[16]。由图4 可知，随着F2的提高，平台更倾向于不寻租策略，随着时间推移，平台不寻租的概率上升，当平台不寻租的概率接近1时，政府的监管概率下降，直至为0。表明一味地提高对供给方或者是平台的罚款会影响政府主动监管的积极性，因此政府需要掌握好罚款的大小，罚款起一定震慑作用的同时，也要保持主动监管的积极性。

图3 政府对供给方违规罚款的影响Figure 3 Impact of government fines for supply-side violations

图4 政府对平台寻租罚款的影响Figure 4 Government impact on platform rent-seeking fines

第四，分析B1、B2对演化博弈过程的影响。令B1分别为10、20、30，由图5可知，当政府对供给方奖励上升时，供给方更倾向于合规诊疗，供给方合规诊疗概率趋向于1之后，政府主动监管的概率下降，直至为0。设B2分别为20、30、40，图6 表明，随着政府对平台奖励上升时，政府主动监管的概率下降。因此政府对供给方和平台合规时的奖励控制在一定限度，以提高供给方合规诊疗和平台不寻租的概率，同时保证政府本身主动监管的积极性，促进社会和谐。

图5 政府对供给方奖励的影响Figure 5 Impact of government on supply-side incentives

图6 政府对平台奖励的影响Figure 6 Impact of government incentives for platforms

设定数组2，满足均衡点D1的条件：E1=90，E2=200，E3=50，C1=10，C2=60，C3=20，C4=60，C5=200，F1=30，F2=10，F3=100，B1=20，B2=20。设定数组3满足D4的条件：E1=90，E2=250，E3=50，C1=10，C2=60，C3=20，C4=60，C5=200，F1=70，F2=10，F3=100，B1=20，B2=20。对比数组1、数组2、数组3。

由图7 所示，博弈此时仅存在一个演化稳定策略组合（供给方规范诊疗，第三方平台不寻租，政府部门不主动监管），与情形一结论一致。图8 表明，满足情形二的情况下，博弈存在两个均衡点D4（0，0，1）和D5（1，1，0）即（供给方不规范诊疗，第三方平台寻租，政府部门主动监管）和（供给方规范诊疗，第三方平台不寻租，政府部门不主动监管）两个策略组合。图9表明，满足情形三的情况下，博弈存在两个均衡点D1（0，0，0）和D5（1，1，0）即（供给方不规范诊疗，第三方平台寻租，政府部门不主动监管）和（供给方规范诊疗，第三方平台不寻租，政府部门不主动监管）两个策略组合。

图7 数组1演化50次结果Figure 7 Results of evolving of array 1 50 times

图8 数组2演化50次结果Figure 8 Results of evolving of array 2 50 times

图9 数组3演化50次结果Figure 9 Results of evolving of array 3 50 times

3 结论与建议

3.1 结论

在8 种博弈策略组合里，D1（0，0，0）、D4（0，0，1）、D5（1，1，0）是演化均衡点，研究以情形一为基础，考虑了各参数变化带来的影响。由三方演化博弈仿真分析可得：（1）政府监管的概率提升时，会促使供给方合规诊疗；（2）政府提升对供给方的奖励、罚款可促使供给方合规诊疗，但一味地提高奖励或者罚款会使政府本身监管的积极性降低。因此，政府应该在设置奖励和罚款时考虑合理性，既要降低供给方违规诊疗的概率，同时也要保证自身监管；（3）政府提高对平台的奖励或者罚款也可以降低平台寻租的概率，从而提高供给方合规诊疗的概率；（4）减少供给方的违规收益和加大供给方违规成本可以降低供给方违规概率。

3.2 建议

3.2.1 建立有效的质量监控和评估体系 本文研究结果显示，政府的有效监管可以推动供给方合规诊疗。然而，当前第三方平台互联网诊疗在监管和隐私安全方面缺乏明确的规范。由于互联网业态的迅速发展，传统的监管模式可能无法跟上互联网诊疗的步伐。因此，需要建立一整套质量监控和评估体系，定期检查和评估线上医疗服务，并进行不定时的随机抽检，以确保医疗质量和安全。同时，引入AI 技术进行质量监控。AI 作为新兴技术，能够高效、智能地处理大量数据，节省政府监管成本。利用AI技术审查供给方的诊疗行为，如果发现供给方存在违规行为，例如引导患者去特定平台购药，AI可以发出警示消息或转给人工进行审核，从而提高监管效率。

3.2.2 建立行业协会加强监管 本文研究结果表明，加大供给方违规成本可以降低供给方违规的可能性。因此，建立互联网诊疗行业协会，探索建立黑名单机制，对反复违规的医生实施行业禁入，并对不积极整改的平台进行公示，可以发挥警示作用，形成自律自治的行业氛围。作为第三方机构，行业协会可以建立专家委员会，为线上诊疗的新型医疗纠纷提供第三方鉴定，并妥善处理这些纠纷。此外，行业协会还可以辅助政府制定互联网诊疗质量监管标准，并在政策制定时提供建议，以提升互联网诊疗的合规性，深化医疗改革。总之，推动建立以维护互联网诊疗的合规性和业态环境效益为目标，而不以经济利益为导向的行业协会，有利于促进互联网诊疗的合规发展，提高整个行业的质量和可信度。

3.2.3 医与药“分家” 本文研究结果显示，政府提升对平台的奖励会减小平台寻租的概率。然而，当政府对平台的奖励增加时，政府监管的积极性可能会下降。因此，在政府对平台进行奖励时，需要控制奖励的幅度，以提高平台不纵容寻租行为的概率，并同时确保政府本身保持主动监管的积极性。据此，可由政府主导，对第三方平台扩大网售药品平台合作方数量进行补贴，根据与平台达成合作的网售药品店的资质、数量等指标进行分级补贴。在供给方开出处方后，患者可以自由选择在哪家平台购买药品，以实现医和药的“分家”，阻断因处方产生的利益输送。通过这种方式，可以促使医疗和药品之间的利益关系得到合理的分离。同时，政府的奖励控制在一定限度内，既可以提高平台合规性，又可以保证政府自身保持积极的监管态度。

3.2.4 加强信息宣传和教育 本文研究结果表明，演化博弈中三方相互制衡是实现最稳定策略的关键，而政府的监督是不可或缺的。然而，仅靠政府监督效果有限。公众作为服务受众，也应对互联网诊疗形成准确的认知。因此，加强公众对互联网诊疗的宣传和教育非常重要。通过增强公众对互联网诊疗的认知，引导他们正确地使用互联网诊疗服务，从源头上减少首诊患者选择互联网诊疗的情况。同时，鼓励全民参与监管，形成多方参与、共同监督的机制，提高互联网诊疗服务的质量和安全性。

4 局限性与未来研究方向

本研究对互联网诊疗服务有效展开提供了一定参考价值，但研究仍存在局限性。首先，研究仅关注了影响互联网诊疗服务的部分因素，而互联网诊疗服务有效进行还需要考虑其他因素的影响以及各因素的相互作用路径。比如将患者作为第四方主体，进行四方演化博弈。其次，由于互联网诊疗服务兴起不久，其统计数据难以获取，本文采取的案例较为单一，研究结果在一定程度上受到了数据的限制。未来研究可以采用调研或使用统计数据等方法，采用更多样化、全面的数据来源提升研究的准确性和可靠性。最后，研究通过构建演化博弈模型、仿真模拟和案例来分析影响互联网诊疗服务的机制，未来研究可通过实证检验进一步验证本研究的因果关系。