乙未已逝，丙申到来。当我们满怀信心和希望步入新春时，《医学信息荟萃》编辑部谨向长期关心呵护它的热心读者致以新春的问候，祝大家：新春快乐、身体健康、万事如意！
如果说在过去的一年，大数据的收集、分析和利用是一个热点话题，那么在新的一年，深度学习（Deep Learning）将会成为新年的热门关键词。深度学习是2006年Hinton等基于深信度网络（DBN）提出无监督学习训练的逐层pre-train学习模式，其训练结果作为更高一层的输入，再用监管学习去调适所有层面。这种学习通过组合低层特征形成更加抽象的高层特征，以期解决知识结构深层优化的问题，建立模仿人脑思维的机制去分析揭示庞大繁杂的数据。
诚如人们所知，大数据的时代催生了微信、微博、微视频和碎片化的微学习，但人脑的学习是深度无限的系统层次认知的过程。人脑针对海量的信息进行系统分析，逐层深入，逐层抽象，逐步上升。即人类认知水平不断上升的同时，又在更高的层面形成新的整合和抽象。从这个意义上讲，人的认知水平是无限的。在大数据碎片化学习的时代，深度学习是非常必要，且意义重大的。只有深度学习，才可以通过对信息碎片的整合和抽象，提取出更有意义的东西，形成更高更深层面的认识。例如，人们从基因组DNA大数据库中抽象出单核苷酸变异对调节区域的影响，从而发现RNA和DNA蛋白结合位点，并且将其用于预测细胞突变。因此，“深度学习”不仅仅是机器学习的新的计算工具，更是在大量数据中由繁至简、至精学习的高效模式——学习的方法论。新的一年，我们有必要在真正意义上践行这种新而有效的学习方法论。
在新的一年里，《医学信息荟萃》将注入更大的精力和广大读者应用新的学习方法论来指导大数据背景下的信息深度学习。我们将努力进行有意义的信息构建，组织更多有意义的信息碎片供读者学习，以便读者应用新的关联主义学习理论进行深度学习。我们期望信息碎片的系统整合能产生更高层次的认知。
最后，希望我们通过共同努力携手迈向更有思想深度、更高认知层次，科学思维更解放、更自由的美好未来。
《医学信息荟萃》愿竭诚为您服务！
中山大学医学部副主任
中山大学新华学院院长 王庭槐
《医学信息荟萃》主编
2016年1月20日
