Memorial Hermann Health System 是德克萨斯州东南部最大的非营利性卫生保健系统,共管理着 12 家医院,100 多个门诊部,并负责为 5,000 名附属医生构成的网络提供支持。
提供顶级护理
Memorial Hermann 必须提供满足病患需求的高效、优质的医疗服务。同样,该机构一直面临着如何提高效率的压力,这是非营利性机构最为关心的问题。
作为提高效率的措施之一,Memorial Hermann 部署了 Cerner 软件,用以提供电子医疗记录,相比物理文件,电子记录的共享更快速也更经济。快速共享数据非常重要,因为疾病识别和治疗方面的任何延迟都事关生死。
借助 IBM 的技术,Memorial Hermann 时刻站在医学研究领域的最前沿。“高性能闪存存储系统的部署将我们的分析能力提高到了一个新的水平,我们现在可以在某些疾病发作之前发现其迹象,”首席医学信息官 Robert Murphy 博士如是说。
Memorial Hermann 的首席医学信息官 Robert Murphy 博士解释说,“转而采用电子医疗记录意味着我们在单个地方存储有大量的医疗数据。我们希望能够分析这些数据,从中发现表明某些疾病的迹象并提早诊断,从而帮助我们为病患提供最好的治疗。”
近年来,随着该机构的快速发展以及更详细医疗数据的不断增长,其存储需求增加了三倍。IT 团队深知,对现有各种存储环境进行扩大不能确保高效性和可持续性。相反,他们是需要一个可提供超快数据访问、具有一流可靠性且物超所值的解决方案。
超快存储
Memorial Hermann 部署了两个高性能的 IBM FlashSystem 阵列,用以提供关键任务应用程序所需的高吞吐量,包括存储病患的电子医疗数据的 Oracle 数据库。 IBM 首选合作伙伴之一 Mark III Systems 帮助 Memorial Hermann 快速部署解决方案,且整个过程无需停机,这一点尤为关键,因为医生需要全天候访问病患数据。
额外存储工作量由 IBM System Storage? DS8800 和 DS8700 设备及高效的 IBM Storwize?V7000 设备负责完成。借助 IBM System Storage SAN Volume Controller,Memorial Hermann 实现了存储环境虚拟化,从而构建了灵活的存储池,且所有设备均可单点控制。
易于管理的服务器基础架构
对于运行 VMware 集群和 Citrix 服务器的 IBM Flex System x240 节点,该机构也实现了标准化。用户可通过 IBM Flex System Manager 控制机架。
Memorial Hermann 基础架构经理 Ty Hall 说,“仅使用一个界面,将极大减少了我们的工程师耗费在系统管理上的时间。”
如此一来,工程师便可将更多的时间用于其他可创造价值和改善病患护理的项目上。
快速访问重要医疗信息
将数据迁移至 IBM FlashSystem 可将 Oracle 电子医疗记录数据库的平均响应时间降低 99% 以上,从而使医生能够更快地访问作出最佳治疗决策所需要的数据。
Murphy 博士说,“IBM 提供的速度和可靠性对于我们的病患护理而言
十分重要。举例来说,败血症会引起人体的免疫系统负荷过度,在此情况下,一个基本的感染便会导致器官功能障碍甚至死亡。通过实时分析我们 12 所医院中所有病患的医疗记录,我们便可检测出败血症的迹象模式,并在数分钟内(而非数小时内)采取行动,这种差异事关生死。”
降低能源费用
IBM FlashSystem 的特点在于卓越的能源效率,已帮助 MemorialHermann 将功耗、冷却需求及机架空间需求分别降低了 96%、95%和 98%。
Hall评论道,“我们已大幅降低了能源成本,如此我们便可投入更多的资金用于提供一流的医疗服务。”
Murphy 博士总结道,“我们大力投资人群健康项目,并与 IBM 紧密合作,这使我们能够利用我们需要的大数据分析和快速存储功能,实现我们的目标和改善病患护理。”
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。