[Nature] 开启单细胞组织病理学新篇章，Hyperion助力临床肿瘤分类和治疗
在临床上，对肿瘤的分类是癌症诊断、判断预后以及治疗方案选择的重要依据。目前这种分类主要是依据肿瘤组织学特征以及少量Marker的表型进行的。近年来，随着单细胞分析技术的发展，肿瘤患者个体间以及个体内普遍存的异质性被不断被揭示出来，这些复杂的单细胞表型及空间信息并未反映在组织学分类中。近日，来自苏黎世大学Bodenmiller教授所带领的研究团队在这个领域获得
Nature: 复合成像技术精确乳腺癌的分类
在最近一项研究中，UZH开发的成像方法可以更详细地分类研究乳腺癌组织。与目前测试单个标记物的方法相比，该新型技术使用35种生物标记物来识别乳腺肿瘤及其周围区域中的不同细胞类型。从而提高了肿瘤分析和分类的准确性，并改善了乳腺癌患者的个性化诊断。
国务院消息 耗材采购将变
全国带量采购常态化、价格同步联动，这将影响每一位医械人。带量采购将要常态化1月9日，据央视新闻联播消息，中央政治局常委、国务院副总理韩正在国家医疗保障局召开座谈会。韩正强调，要大力推进国家集中采购，推动集中带量采购常态化，扩大采购品种范围，并以此带动“三医联动”改革。可以看到，国家以及省级组织带量采购、集体谈判的趋势已经板上钉钉。同时，国家医保局近日在官网上
福建省心脏支架等5类耗材开展省级带量采购试点
1月13日，福建省医保局发布《关于开展公立医疗机构医用耗材集中带量采购试点工作的通知》，通知中说明，福建省将选择部分临床用量较大、采购金额较高、临床使用较成熟、多家企业生产的医用耗材类别开展试点。品种范围也已经确定，首批选择心脏支架、人工关节、留置针、超声刀、镇痛泵等5类耗材开展省级带量采购试点。以下是原文及官方解读：福建省医疗保障局 福建省卫生
福建省三级公立医疗机构试点率先开展医用耗材集中带量采购
福建省在全省三级公立医疗机构试点开展医用耗材集中带量采购，试行期一年。确定以心脏支架、人工关节、留置针、超声刀、镇痛泵等5类耗材，开展省级带量采购试点。2019年7月19日，国务院办公厅印发《治理高值医用耗材改革方案》，要求按照带量采购、量价挂钩、促进市场竞争等原则探索医用耗材分类集中采购。近日，福建省医疗保障局、省卫生健康委员会和省药品监督管理
第二批国家组织药品集中采购不再试点 零售药店可自愿参加
刚刚，国家医保局发布《关于开展第二批国家组织药品集中采购和使用工作的通知》称，第二批国家组织药品集中采购和使用工作不再选取部分地区开展试点，由全国各省份和新疆生产建设兵团组成采购联盟，联盟地区所有公立医疗机构和军队医疗机构全部参加，医保定点社会办医疗机构、医保定点零售药店可自愿参加。附文件原文：国家医保局 国家卫生健康委 国家药监局工
Science子刊：新型分类测试方法可快速、超灵敏、低成本地检测活动性结核病
2019年11月22日讯/生物谷BIOON/---全世界有超过1000万人患有活动性结核病（active tuberculosis, ATB），每年死于这种疾病的人数超过100万人。大多数患者生活在资源匮乏的国家，在那里，对ATB的诊断尤其具有挑战性---新的测试需要昂贵的实验室设备，而这些设备通常是不可获得的。此外，采集痰样本并进行培养的历史标准很慢，而且通常不够灵敏，无法正确识别ATB，这意味
药品招标采购进入转型期 大品种将成为聚焦点
10月24日深夜，有药企收到了福建宁德医保局发送的短信，大体意思是“宁德药品联合限价阳光采购宁德片区第二轮联合谈判方案及目录已经上传至宁德药械联合限价平台，请企业下载查看并按通知操作”。对于药企来说，在药品招标采购逐渐变化调整的背景下，类似的“半夜通知”将会越来越多，临床药品用量大、医保资金占用大的品种必将成为集中采购转型期的优先聚焦点。这两年，医药人的日子越来越难过。爬坡过坎，挑战越来越多。在“
研究发现通过无监督迁移学习提升精神分裂症患者基于 脑功能影像数据机器学习分类的跨中心泛化性
在临床研究领域，机器学习已被广泛用于优化脑影像数据分析和建立预测模型来对精神分裂症患者进行分类。评估泛化性是对预测模型性能评价的重要步骤，然而对该方面问题进行探讨的临床研究却很少。为了解决这一问题，中国科学院心理研究所心理健康重点实验室神经心理和应用认知神经科学（NACN）实验室研究员陈楚侨与国际合作者开展了一项专门基于静息态磁共振成像对精神分裂症患者机器学习分类泛化性的探讨。其中，研究者们采用内
Analyst：数字PCR数据的准确、可靠、非监督自动分类新方法
清华大学医学院生物医学工程系郭永实验室在《分析学家》（Analyst）在线以封底（back cover）发表题为《一种双荧光四分类微液滴数字PCR数据的准确、可靠和自动分类方法——密度分水岭算法》（A density-watershed algorithm (DWA) method for robust， accurate and automatic classification of dual-