上海近百位政协委员联合提案 加强心理健康服务行业管理******

　　中新网上海1月12日电(记者 范宇斌)“人们生活节奏明显加快，竞争压力不断加剧，民众心理健康服务需求与日俱增。”正在此间举行的2023年上海市两会上，近百位上海市政协委员联合提案，建言加强心理健康服务行业管理。

　　数据显示，精神心理疾病在中国疾病总负担中居首位，占疾病总负担的20%。

　　上海市政协常委、上海市工商业联合会(总商会)副会长、上海明佳企业发展(集团)有限公司总裁赵丽佳12日接受中新网记者采访时介绍说：“在上海，每5个人中就有1人一生中会遭受精神心理疾病的困扰。”

　　以上海市为例，当前，上海市卫生健康委员会会同有关行政部门、行业组织、医疗卫生机构等积极推进落实《“健康中国2030”规划纲要》《关于加强心理健康服务的指导意见》等政策文件提出的关于加强心理健康服务的要求，加强法治建设和政策支撑，积极探索行业自律管理，取得了一定成效。

　　“但是在心理健康服务行业管理上仍存在诸多问题。”赵丽佳坦言，问题主要体现在“心理健康服务从业人员的资质认定、教育培训乱象丛生；心理健康服务从业人员能力水平良莠不齐；心理健康服务从业人员数量供不应求”。

　　这份提案提到，“当前，有关培训机构、高等院校、心理健康相关协会学会等相继发布心理健康培训项目，但是项目内容五花八门、质量参差不齐，对心理健康服务事业发展带来隐患。”

　　“加强心理健康服务行业管理，提升心理健康服务从业人员能力水平迫在眉睫。”赵丽佳告诉记者，目前，中国心理咨询服务行业从业人员许多为非心理学和精神医学专业，专业能力不足，法律伦理意识淡薄，服务质量难以保障，导致侵害消费者合法权益的情况时有发生。此外，中国目前尚无心理咨询从业人员继续教育培训制度。

　　记者了解到，心理健康服务从业人员主要是心理咨询师、心理治疗师。据悉，截至2017年，中国约有120万名持证的心理咨询师，仅有3万-4万人从事心理咨询行业的专兼职工作，全国心理治疗师数量则仅有数千人。

　　与此同时，多位专家学者表示，新冠疫情在心理健康方面的影响持续时间至少是十年、二十年以上，很多人都可能会面临焦虑、抑郁、失眠和社会交往等问题。“加快提高心理健康服务供给数量已成为满足人民美好生活需要的内在要求。”赵丽佳如是说。

　　对此，近百位上海市政协委员联合提案，建议构建社会共治格局，充分发挥社会监督作用；加强行业协会自身建设，提高行业管理与服务能力；加强行业信用体系建设，促进规范治理和行为自律，进而加强心理健康服务行业管理。

　　这份联合提案中指出，在构建社会共治格局方面，可以积极探索建立由卫生行政部门牵头，工商、民政等部门共同组成的联合执法机制，对心理咨询与治疗服务机构的经营管理、服务规范、服务收费等进行监督检查，对违法违规行为，依法予以处理；大力依靠消费者协会、行业协会等社会组织有针对性地加强监督检查。

　　行业自律管理同样关键。这份联合提案建议，政府要加大对心理卫生服务行业协会的支持力度，提升行业管理与服务能力。要壮大行业协会专兼职人员队伍，构建功能完善的组织结构，积极吸纳新的会员单位，鼓励行业协会制定行业标准规范、开展专业人员能力培训、参与制订地方性法规和行业发展规划、构建完善继续教育培训体系等。

　　此外，可以积极探索“赋权”行业组织，通过政府购买服务等方式，委托行业组织开展信用评价，推进监管执法和行业自律的良性互动。鼓励行业组织在消费者权益保护、纠纷处理、失信惩戒等方面发挥作用，支持行业协会建立健全企业信用档案。发挥信息化的作用，建立心理健康服务机构和人员数据库等。(完)

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