以好体验吸引患者“云就医”******

　　面对疫情防控新形势新任务，多地充分发挥互联网医疗平台作用，创新方式方法，积极为患者提供开具治疗处方、送药上门、心理咨询、用药指导等服务，便利群众就医用药。(1月17日《人民日报》海外版)

　　网上挂号、远程问诊、买药咨询……随着“互联网+”在医疗健康领域的延伸与拓展，足不出户即可寻医问药逐渐演变为现实。加之疫情影响，不少医院拓宽互联网医疗服务范围，积极开展心理咨询、送药上门等贴心服务，切实提升互联网医疗质效，方便老百姓就医。例如，广东省全省三甲医院已全部开设互联网医院，仅在2022年12月12日至31日期间就服务124.68万人次，日均服务6.24万人次。

　　互联网医疗雨后春笋、渐成蔚然。从单个医疗系统看，创新医疗应用和医疗服务方式，其实是拓展了实体医院的辐射圈，医疗服务的范围拓宽了、精度加强了，效率也随之提升了。放眼全国，各地区积极推动互联网医院建设与投入，构建线上线下一体化的医疗体系，对解决医疗资源紧缺和分配不均衡等问题确有裨益。最重要的是，云就医、云服务的出现，打破时空壁垒，有利于缓解百姓看病难、就医难的民生难题。

　　虽然目前全国各地正在呼吁加大对互联网医疗的建设投入，但服务规模小、服务质量一般以及公信力欠缺依然是各个“云医院”的痛点难点。比如，如果没有专业人员介绍，很多人并不了解正规医院的互联网医疗服务范围，也不清楚一些互联网医疗平台的服务特色，因此在有求医需求时，要么选择线下实体医院，要么投向商业化的医疗服务平台。还有一种情况是，大部分互联网医院医保报销范围仅限本省患者，这在很大程度上限制了患者选择互联网医院的空间。

　　要解决这些痛点难点，互联网医院还有很长的路要走，但无论如何，“提质增效”这一方向是对的，要坚持下去。一方面要“提质”，加快优质医疗资源扩容并均衡布局。在此前提下，更新设施设备，提高技术水平，充分补短板、强弱项。另一方面则要“增效”，发挥高水平医院的规模效应，推进分级诊疗，优化就医流程，创新就医方式，为患者创设更好的就医条件和服务，破解百姓就医难题。　　　 (庹亚男)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟