在医疗保健行业,可重复利用的健康数据分析解决方案能够给个人和社区带来收益。然而,由于医疗系统数量庞大,数据格式多种多样,数据整合工作复杂耗时,拖慢了构建和部署健康分析解决方案的速度。AI和分析领域的全球领导者SAS今日宣布推出SAS®健康(SAS® Health),这是一种创新的、企业级的端到端解决方案,用于数据和分析自动化,可简化健康数据管理,改善数据治理并加速病患需求洞察。
这些分析洞察——从临床人员短缺问题的主动识别,到病症筛查中心的可视化分析——能够支持医疗保健系统评估医患互动质量,并为复杂慢性病患者的治疗带来积极影响。
强大的分析+公共健康数据模型
医疗服务机构和保险公司需要安全地进行数据收集工作,实现数据集中,并对数据进行优化调整,以便为分析做好准备。为了应对这一挑战,SAS健康构建了公共健康数据模型,可将行业内广泛使用的标准内嵌到平台中。只需安全地输入连接相关配置信息,客户就可以运行数据模型,解决医疗服务中最关键的问题。
利用分析和AI平台SAS®Viya®的强大功能,SAS健康可以更快速获得具备可操作性的洞察,并进一步促进行业标准和法规的落地执行。
“在强大的高级分析平台上构建具备一致性的通用数据模型十分重要,这关乎医院系统以及医疗保健服务的未来。”SAS医疗保健和生命科学副总裁Gail Stephens表示:“SAS健康提供了一个很好的机会,通过提高数据和分析框架的效率来改善病患护理和治疗,最终能够使医疗服务机构和保险公司更快地得出更好的分析结果。”
基于FHIR标准的医疗保健数据
SAS健康在SingleStore上的公共健康数据模型将成为一个中枢节点,高效灵活地将各种健康数据与临床、财务和运营信息连接起来,从而降低成本并简化数据访问。作为云原生的解决方案,SAS健康将支持用户以无代码或低代码的方式基于多个行业标准轻松快速地获取数据。快速医疗保健互操作性资源(FHIR标准)将是第一个执行标准。
FHIR行业数据标准正在全球得到越来越广泛的使用,该标准定义了在应如何在计算机系统之间交换医疗保健信息。世界上一些主要的电子健康记录(EHR)公司正迅速采取行动支持FHIR标准。在美国,医疗保险和医疗补助服务中心(CMS)已经强制要求使用FHIR。
数十年来,在银行业、政府、保险、医疗保健、零售业、制造、能源和电信/媒体等领域,SAS专注于提供量身定制的解决方案,帮助行业应对所面临的挑战。在此基础上,今年5月,SAS宣布未来三年将投资10亿美元,进一步开发基于AI的行业解决方案。SAS健康就是其中一项开发成果。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。