天下彩票交流群|天下彩票下载app

口腔种植体集采平均降幅55% 预计年节约患者费用40亿元******

　　记者 张 敏 舒娅疆

　　1月11日上午，口腔种植体系统集中带量采购在四川开标，并产生拟中选结果。据国家医保局介绍，此次集采拟中选产品平均中选价格降至900余元，与集采前中位采购价相比，平均降幅55%。本次集采共有55家企业参与，其中39家拟中选，中选率71%，汇聚全国近1.8万家医疗机构的需求量，达287万套种植体系统，约占国内年种植牙数量(400万颗)的72%，预计每年可节约患者费用40亿元左右。

　　一位参与集采投标的企业代表告诉《证券日报》记者：“我们是一家海外药企的中国区总代理。集采相关文件出台以后，公司积极参与集采(投标)。前期已与客户进行了调查沟通，并和厂家进行了政策、价格等方面的沟通。从本次参与集采的报价来说，我们产品降幅力度较大，在与其他企业的一些产品进行对比之后，我们的产品应该是中端系列里性价比较高的。从A类产品投标情况来看，公司入围中标的概率可能较小，未来还会积极关注集采和相关政策信息。”

　　三类主要费用构成

　　有望同步下降

　　据悉，口腔种植的费用大致分为种植体、牙冠和医疗服务三个部分。种植牙价格从几千元到一两万元不等，其中，种植体费用占比约为三分之一。本次集采通过以量换价，挤出种植体的价格水分。

　　国家医保局介绍，集采前价格较高的士卓曼、登士柏、诺保科种植体系统从原采购中位价5000元降至1850元左右，市场需求量最大的奥齿泰、登腾种植体系统从原采购中位价1500元左右降至770元左右；纳入了四级纯钛及钛合金2种材质性能更好、临床认可度更高的种植体，并覆盖了口腔种植体其他耗材部件，能够满足绝大多数临床使用需求。

　　口腔种植体系统集中带量采购的一位特邀专家在接受《证券日报》记者采访时表示，通过本次集采，患者未来需要花费的费用会更低，对于机构来说，口腔种植价格也会更加公开透明，方便患者寻求质量更好的医疗服务。

　　国家医保局介绍，未来将做好集采中选结果落地实施前的准备工作，近期还将对种植牙过程中配套使用的牙冠耗材开展竞价挂网，同步落实口腔种植医疗服务价格全流程调控，使种植牙服务的三类主要费用构成同步下降。通过多项措施协同发力，预计2023年3月下旬到4月中旬，种植牙费用综合治理结果落地实施，患者将全面享受到降价后的种植牙服务。

　　“通过以上多项治理措施，预计种植一颗牙的整体费用(含医疗服务、种植体和牙冠)有望降低50%左右。当然以上只是平均价格降幅。具体情况中，如果原来价格较高的降幅将更为明显，原来已经平价种植的也将有所降价，总体看群众费用负担将显著减轻。”国家医保局介绍。

　　1.4万家民营医疗机构参与

　　推动国产种植体销售研发

　　此次口腔种植体系统集采是高值耗材集采从医保领域扩围到非医保领域的首次尝试。

　　由于种植牙并未被纳入医保报销范围，充分调动医疗机构，特别是民营医疗机构参与集采的积极性，也是本次集采的难点之一。据记者从现场获得的数据，1.4万家民营医疗机构参加了此次集采，占医疗机构总数的80%。参与集采的医疗机构范围较广，意味着通过集采有利于实现“以量换价”。

　　有券商发布的研报认为，目前国内种植牙市场空间大但渗透率仍较低，未来若集采工作顺利推进，将有利于种植牙渗透率的提升，而龙头口腔连锁机构也有望以价换量。

　　据了解，本次集采共有55家企业参与，其中39家拟中选，中选率71%。中选企业既包括一些知名国际企业，也包括威海威高、常州百康特等国内企业。对此，有分析人士认为，这不仅优化了种植牙耗材的供应结构，而且有利于国产种植体生产企业的销售和研发，最终将有利于国内患者享受到质优价宜的种植牙产品。

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

　　（文图：赵筱尘 巫邓炎）