新冠治疗用药保障水平和能力将稳步提升******

　　日前，辉瑞奈玛特韦片/利托那韦片组合包装（Paxlovid）未通过2022年国家医保药品目录谈判，引发社会广泛关注，有公众担心这将影响新冠用药保障。在1月11日国务院联防联控机制召开的新闻发布会上，国家医保局医药服务管理司副司长黄心宇对此作出回应，他表示，近期可能有一些新冠治疗的新药在陆续申报上市，随着上市新药数量的增加，患者临床用药选择和保障能力、水平都将得到进一步提升。

　　会上，民政、邮政等部门也介绍了保障群众新冠感染用药的多项举措，以切实满足用药需求。

　　Paxlovid仍可临时报销至今年3月31日

　　据介绍，为应对新冠疫情，医保政策可将新冠诊疗方案内的、医保目录外的新冠治疗用药临时性纳入医保支付范围。随着诊疗方案的更新，国家医保局会对医保支付范围进行调整。在近年进行的医保药品目录调整中，新冠治疗用药一直得到高度关注。

　　据介绍，有三款新冠治疗用药被纳入2022年医保目录谈判范围，包括Paxlovid、阿兹夫定片、清肺排毒颗粒，其中阿兹夫定片和清肺排毒颗粒谈判成功，Paxlovid由于报价过高没有成功。

　　“大家不用过分担忧，在上周国家医保局刚刚制定的新冠‘乙类乙管’后优化治疗费用医疗保障政策的通知中，明确延续了诊疗方案内的目录外药品医保临时支付政策，先行支付到今年的3月31日。”黄心宇表示，在此期间，患者的用药不会受到影响。

　　“在我们的医保目录中，治疗感冒、发烧、咳嗽之类的对症治疗药品有600多种，参保人的用药临床选择比较丰富。”黄心宇介绍，上市新冠新药数量也将在未来进一步增加，国家医保局将进一步加强新冠用药价格监测和管理，全力做好新冠治疗费用保障工作，着力减轻参保人员的经济负担。

　　快递行业保证药品、医疗物资等优先寄递

　　近期，药品等医疗物资的寄递需求非常迫切，国家邮政局也对相关物品寄递保障进行了相关部署。国家邮政局市场监管司副司长边作栋介绍，邮政快递业主要承担个人寄递以及通过网上购买的药品、N95口罩、抗原试剂等医疗物资的寄递任务。国家邮政局与商务部联合印发通知，对于持续加强医疗物资动态监测、采取多种手段保证医疗物资、邮件快件的优先处理，以及制定有效措施做好医疗物资配送，细化了相关工作要求。

　　国家邮政局进一步督促指导邮政快递企业对医疗物资邮件快件进行特殊标记、重点保障以及优先投递，并督促企业对于配送的医疗物资邮件快件要进行动态跟踪和专门监测，建立专门的团队确保医疗物资邮件快件问题能够做到即查即办即送。

　　“如果遇到了在传递过程中丢失、损毁的医疗物资邮件快件，我们也鼓励企业采取在目的地购买同类药品、优先满足用户需要的方式来解决用户的急需。” 边作栋说。

　　“共享药箱”保障居民用药需求

　　“通过组织邻里互助，设立‘共享药箱’，尽可能保障居民的用药需求。”民政部基层政权建设和社会治理司一级巡视员李健表示，民政部门对重点人群的健康服务主要集中在就医、用药以及疫苗接种三个方面，通过加强与家庭医生、基层医疗卫生人员、辖区药店、疫苗接种单位的对接，配合做好在线问诊、就医送药、联系转诊、引导疫苗接种等工作。

　　李健介绍，依托微信群、公众号、智慧社区客户端等城乡社区信息平台，用好村务公开栏、居务公开栏，以及乡村大喇叭等阵地，社区工作者持续开展科学用药、居家康复等防疫知识的宣传，引导居民群众科学理性认识新型冠状病毒相关情况。

　　李健强调，各级党委、政府和有关部门要为城乡社区做好服务保障工作提供有力支持，医疗药物资源要向基层倾斜，建立城乡社区与医疗机构、药房之间的直通热线，社区反映的问题要及时回应解决，需要城乡社区承担的工作事务要整合规范，让城乡社区工作者解决好群众急难愁盼的问题。（记者 张佳星）

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