宜兴市第二人民医院创建于1952年,座落在太湖之滨的陶都--丁蜀镇,经过60多年的建设,已发展成为一所集医、教、研为一体的综合性二级甲等医院。
宜兴第二人民医院作为综合性二级甲等医院,承担着重大卫生医疗的战略任务。因此,其整体业务系统不单承担着日常工作还要能够应对突发事件时各类紧急事件所带来的爆发性业务增长。为此,近期的宜兴市第二人民医院启动了IT系统升级改造项目以应对上述问题。
由于各方面原因和限制,宜兴第二人民医院信息中心在系统规划和实施方面的资源十分有限。基于此,HDS针对医院多种数据类型多重性能需求的特点,采用了独特的面向医疗系统优化解决方案:NAS+SAN融合的方式实现统一平台建设。该方案平台采用统一虚拟化的设计理念,在一个平台上实现所有业务数据,通过添加网关的方式添加所需要的服务。 
宜兴第二人民医院平台架构示意图
此次部署主要分为三个更新:
第一,新增1套HDS HUSVM企业级高端虚拟化存储平台。之所以选择高端的HUSVM存储作为医院整个核心存储,是因为HUSVM采用多控制器分布式架构,提供高可用保障,并且提供100%可用性承诺函,为宜兴第二人民医院提供一个"堡垒式"的生产环境。
第二,新增1套HDS HUS130容灾存储部署在容灾机房。可以通过HUSVM的虚拟化复制功能,将生产数据从HUSVM实时复制到HUS130。
第三,新增1套HDS HNAS4060:针对PACS系统,采用了业界独特的HDS HNAS对PACS系统提供服务。
•HDS的 HNAS采用具有专利技术的以FPGA为基础的并行处理技术,可提供领先的IO访问性能从而优化PACS系统性能,解决了多个医生工作站并发访问的问题。
•HDS 的HNAS可提供超大规模的文件共享和管理能力,如单个文件系统可支持128TB,单个目录可支持1600万个文件,大大简化了PACS系统的管理和维护工作。在此项目中宜兴二院通过HDS HNAS优化方案大大提高了PACS系统管理效率,提升了PACS系统性能。
HDS解决方案不仅能够存储好医疗信息数据,管理好医疗数据的增长,而且还可以提供真正的医疗信息利用解决方案。将医院所有业务系统中数据经过元数据加工,通过内容形式统一保存到HCP内容信息池中,这就形成了医院海量临床信息池,通过HDS Data Discovery Suite (HDDS) 在信息池中快速检索所要信息,还可以在检索的结果数据的基础上进行业务分析、加工和挖掘,为医院提供信息服务,充分利用医疗信息的价值,让数据不再成为负担创造出价值。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。