信息化建设是提升医疗服务水平的强有力的工具和手段。然而,因信息化平台故障导致的业务中断风险犹如悬在医院头顶的"达摩克利斯之剑"。保障医疗业务连续运行,是各医院不遗余力的事情。重庆市肿瘤医院通过采用浪潮存储双活解决方案,实现了存储的高可用、高性能和高可靠,提升工作效率。
医疗业务高速发展,可用性风险却如影随形
重庆市肿瘤医院是集医疗、教学、科研、预防、康复为一体的国家三级甲等肿瘤专科医院,是重庆市政府重点建设的十大公共卫生中心之一。着力于国家区域性肿瘤医疗中心建设目标,重庆市肿瘤医院很早便启动了医疗信息化建设,以打造医疗、科研、教学一体化技术平台。
重庆市肿瘤医院
重庆市肿瘤医院负责人表示:"作为一家年门诊量达35万人次的大型三甲医院,重庆市肿瘤医院信息化平台承运行着十几类重要的医疗应用,这包括医院信息系统、门急诊业务系统、住院业务系统、影像系统、药品库房系统等。一旦因为单点故障而导致信息化平台陷入瘫痪,不仅会影响业务运行,甚至还会危及患者的生命健康。"
数据中心升级前,重庆市肿瘤医院用以承载影像业务系统(PACS)等应用的存储设备使用年限已久、性能较差、存储容量所剩不多。而且其复杂的管理界面经常被IT管理人员诟病,无论是存储设备的日常维护,还是故障发生后的应急处理,都很难满足直观、高效的要求,耗费了IT管理人员大量的时间和精力。这也是此次数据中心升级的直接原因。
了解客户业务痛点后,浪潮技术工程师制订了基于AS5600的存储双活解决方案,通过构建高性能、高可靠、高弹性的数据平台,消除医院数据中心单点故障风险。
零数据丢失 重庆市肿瘤医院将数据放进"保险箱"
经过对业界存储厂商的细致考量,同时考虑到后续数据中心的不断升级需求,重庆市肿瘤医院最终选择了基于浪潮AS5600的存储双活方案作为解决之道。
降低数据丢失风险,实现数据冗余的方法有很多种,但针对硬件故障、人为错误、软件故障等风险,存储双活是降低业务运行的各种突发风险、保护业务数据完整性和一致性,增强业务系统可用性和灵活性的首选。与传统的主备容灾方式相比,双活容灾解决方案具备更灵活、可靠和便捷的优点。
具体来说,肿瘤医院数据中心机房部署了两套浪潮AS5600存储系统。两套系统同时承担业务运行的重任,同时处于始终可用的状态,数据实时存储在两套AS5600内,解决了系统存储单点故障问题。而且相对传统的主备容灾方式,资源利用率高。
当一套存储发生故障时,应用系统将自动访问另外一套存储上的数据,数据零丢失,业务零中断。而当故障存储恢复正常,存储镜像关系建立完成后,可以选择自动或者手动将故障期间的存储差异数据进行重新同步,从而保障双活存储的数据一致性和业务的重新承载。

浪潮中高端存储系统AS5600
浪潮AS5600构建的双活存储系统,首先作为PACS系统业务应用的存储平台,其稳定、高效的性能,得到客户的认可。目前,重庆市肿瘤医院已经将医院信息系统(HIS)等应用的数据迁移到该存储平台中,实现数据集中存储、管理,确保核心信息数据不丢失。
不仅高可用,性能也提升2倍
浪潮AS5600存储系统采用的控制器内高速、大容量的PCIe SSD二级缓存,并配备128GB缓存,能将I/O效率提升2~4倍。保障了当前工作人员和就医人员顺畅的应用体验同时,也满足了医院未来几年业务发展需要。
通过建设双活存储平台,给重庆市肿瘤医院信息化应用体验带来全新的改观,并为后续数据中心升级转型打下了坚实的基础。
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。