IPF2018上,心医国际作为浪潮存储在医疗领域的战略合作伙伴受邀出席此次盛会,并获浪潮"2018IPF最佳方案营销奖"。双方合作的远程医联体方案、区域卫生方案,结合了心医国际在医疗领域的行业优势与浪潮存储在智能化技术方面的专业优势,已进驻多家三甲、二甲医院,给患者提供智能、迅捷的医疗服务。
浪潮存储产品部总经理孙钢和心医国际战略合作部总监胡忠良的合影
超1年跨界合作,共建智慧医疗
从2017年1月浪潮与心医国际签署战略合作协议开始,双方在智能存储产品与医疗行业解决方案深度融合的基础上共同打造医疗行业云解决方案,共同建设"智慧医疗"生态圈。时隔一年多之后,在4月26~27日举办的浪潮云数据中心合作伙伴大会(IPF2018)上, 心医国际隆重亮相,向业界展示双方合作的解决方案与最新成果。
作为中国领先的智慧医疗创新解决方案供应商,心医国际构建的远程医联体网络已覆盖50余家国家级三甲医院,160余家区域龙头医院,以及超过遍布全国的4,500家二级以上医疗机构,实现一站接入、资源通达。总计建设和运营的各类医联体项目达到150余个,区域医联体成员单位超过3300余家,基层医生超过18万,年远程会诊诊断例数达18万例。
"目前心医国际已构建了全国最大的远程医联体网络平台,可一站式触达优质医疗资源,全方位打造医疗生态网络。而浪潮拥有先进的存储产品技术及全国广泛的市场资源,双方的跨界合作可在快速成长的医疗大数据环境下洞察先机,在结合国家分级诊疗政策的大背景下快速落地智慧医疗,打造符合共同发展目标的市场模式。心医国际的领导表示,"这次IPF2018在我们的展台上,就展示了以浪潮智能存储AS2000G2为节点的远程医联体联合解决方案。"
智能数据,推动医疗转型
数据对于医疗行业的数字化转型升级来说可谓是支点和驱动力。浪潮存储依托智慧计算,聚焦场景化,不断探索企业数字化、智能化转型中数据存储的需求变化,推进存储高端技术创新和高端市场布局,联合ISV做了大量技术和商业模式方面的创新,成为合作伙伴可信赖的数据存储专家。心医国际通过与浪潮存储的紧密合作,结合心医国际在医疗领域的行业优势与浪潮在数字化技术方面的专业优势,共同为医院提供创新的医联体联合解决方案。一年多来,联合解决方案已进驻多家三甲、二甲医院,给患者提供了智能、可靠、迅捷医疗服务。
"心医国际与浪潮的合作,有利于融合各自领域的技术优势,助力政府打造分级诊疗及健康医疗大数据应用与发展新服务模式,帮助各级医疗机构整合现有医疗信息化资源,构建智慧医疗生态圈。目前,我们和心医国际的合作以智能存储G2、智能全闪G2-F为主,推出了全闪双活、异构整合等解决方案,并实现了大量项目落地",浪潮集团存储产品部总经理孙钢表示。
举个例子,在心医国际与浪潮存储合作建设的爱德堡医院(原廊坊红十字骨伤科医院)智慧医疗平台中,以浪潮智能存储为核心,将计算平台、数据库、业务软件平台进行了深度融合。浪潮中高端存储AS8000-M2采用同构镜像,将统一集成平台及核心业务数据库的数据进行集中整合和统一存储,通过心医国际的医院临床数据中心CDR应用系统,成功地将HIS、LIS、PACS、EMR、HRP等医院应用系统置于统一平台之上,打破了爱德堡医院原有的"烟囱式"信息孤岛。数据的大集成使得爱德堡医院医院各科室之间的诊疗数据实现实时共享,病人医嘱与后台自动划价系统直接相连,所有医疗活动均自动记录费用消耗,让患者花费更少的费用和更短的时间得到了更好的医疗服务。
发力多场景方案
多个医院信息化项目的实施落地,使浪潮存储与心医国际的联合方案越来越受到各级医院的认可。浪潮存储与心医国际也由此成为医疗数字化转型的赋能者。未来,浪潮存储将同新医国际开展更高层面和更深入的解决方案联合开发,包括混合云场景下电子病历、健康档案和信息化影像等新领域的业务拓展等,满足医院、患者和供应商等各方的应用诉求,由此提高双方在医疗信息化行业的竞争力,推动整个医疗行业的数字化升级转型。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。