做好社区居民健康的守门人******

  【新春走基层】  

  光明日报记者 张晓华

  “大爷，您先等一会儿！”元旦前一天，北京市石景山区鲁谷社区卫生服务中心家庭医生姜瑞霞正在给手头的病人看病，自从优化防疫政策以来，她每天要接诊150多个病人，竟一时没有认出“加塞”的“老主顾”。

  “姜大夫，我和老伴都康复了，特地来向你表示感谢！”老人表明来意，对着姜瑞霞深深鞠躬。原来老人是姜瑞霞的签约居民，他患有慢性病的老伴儿一周前开始发烧。面对不分白天黑夜的求助电话，姜瑞霞始终耐心地询问病情、指导用药。这不，老伴儿的病刚好，老人就亲自“报喜”来了。

  临走前，快80岁的老人再次鞠躬，姜瑞霞觉得一股暖流涌上心头：“所有的付出都值了。”

  目前，鲁谷社区卫生服务中心共有12个家医团队，签约人口超过2.2万人，超过辖区总服务人口的40%。家庭医生在完成日常门诊工作的同时，还要承担签约居民健康状况评估、慢病随访、疫苗接种、协助转诊等重点工作。

  “这个患者跟我素未谋面，除了感谢，他也对经常半夜咨询表示歉意。”姜瑞霞指着手机上的一则信息说，“疫情期间，无论是否签约，我们都会做好服务。加上2个代管的社区，我们团队现在要对接服务近万人。”

  “姜医生，你必须休息。有我们在，你放心！”连续14天的高强度工作后，姜瑞霞确诊新冠阳性，高烧39℃，“被迫”居家休息。“现在医生减员严重，门诊压力大，哪怕只坚持半天，也能减轻其他同事的压力。”刚退烧，她立即返回岗位，“大家都成了钢铁战士，实在坚持不住了才会休息。”谈及团队，姜瑞霞自豪的语气中多了一丝愧疚。

  “在尽快恢复正常诊疗秩序的同时，我们会尽最大可能满足社区高危人群的问诊就医需求。”随着门诊量的下降，社区卫生服务的工作重点全面转向“保健康、防重症”。家医团队会通过电话等方式对重点人群进行动态摸排和监测，对行动不便的老人实施上门评估和诊疗，定期巡检辖区内的养老机构，同时对轻症居家康复人员提供线上诊疗、随访和心理疏导等服务。

　　春节临近，社区卫生服务中心对备药、值班等工作做了提前部署。“家医团队会保持24小时在线，做好社区居民的健康守门人。”姜瑞霞说。

　　《光明日报》（ 2023年01月08日 02版）

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