上海市精神卫生中心部署Nutanix超融合基础架构和企业云操作系统软件解决方案,加速新型智慧医院建设
2020年8月4日,北京——企业云计算领导者Nutanix(纳斯达克:NTNX)今日宣布,国内领先的精神卫生专科医院,上海市精神卫生中心已成功部署Nutanix超融合基础架构(HCI)和企业云操作系统软件解决方案。此次部署旨在推动上海市精神卫生中心的IT基础架构现代化改造,加速医院数字化转型及新型智慧医院建设。
上海市精神卫生中心始建于1935年,前身为上海市普慈疗养院,现为上海市三级甲等精神卫生专科医院,担负着医疗、教学、科研、预防、康复、心理咨询/治疗和对外学术交流等任务,是全国规模最大、业务种类最全、领衔学科最多的精神卫生机构,目前拥有1800多张床位。
2018年4月,为了改善公共卫生服务质量和供给,国务院办公厅发布了《关于促进“互联网+医疗健康”发展的意见》,提出鼓励医疗机构应用互联网等信息技术拓展医疗服务空间和内容,允许依托医疗机构发展互联网医院。
上海市精神卫生中心长期以来一直倡导利用信息技术优化患者体验,支持医学研究事业。然而,随着业务快速发展,科研任务不断加重,上海市精神卫生中心原有三层IT基础架构的短板逐渐显现,给IT系统运营维护、存储扩展以及IT成本控制带来了严峻挑战。
此外,上海市精神卫生中心收治的患者中有很多需要长期住院治疗,其医疗档案的长期、安全、高效保存成了一个关键问题。上海市精神卫生中心还承担了许多重要课题的研究,涉及到大量文档和影像的处理和保留。因此,存储系统的高效、稳定成了上海市精神卫生中心的重要诉求。
经过严格的产品测试后,上海市精神卫生中心选择携手超融合领导者Nutanix进行IT基础架构现代化改造。目前,除因特殊需求而单独存在的HIS和PACS业务系统以外,上海市精神卫生中心已将几乎所有业务系统运行在Nutanix超融合基础架构之上,成功搭建了一套私有云IT系统。
全新的基础架构大大降低了医院IT运维管理的成本和复杂性。超融合基础架构有效整合了医院数据中心内部零散的设备资源,化繁为简,实现了统一管理。基于超融合基础架构,医院的业务应用可以快速部署,缩短了业务系统上线周期,灵活性与可扩展性兼具,提高了整体运维和管理效率。采用Nutanix超融合解决方案之后,上海市精神卫生中心整个IT基础架构的管理和维护成本降低15-20%,存储扩容时间也比传统架构快了30%-35%。
为了提升医疗科研能力,上海市精神卫生中心的脑电影像研究室采用了Nutanix Files分布式存储解决方案,集中管理和存储该科室的业务数据,数据量超过250TB。软件定义的Nutanix Files解决方案具有高可用性、大规模扩展、简易管理、自动优化和自我修复等功能,充分符合了脑电影像研究室的要求。
上海市精神卫生中心信息统计部主任邱宏表示:“信息化和数字化建设对于医疗业务的发展起到了非常大的促进作用。Nutanix彰显了其在软件定义解决方案层面的优势和前瞻性,不仅拥有丰富而独特的功能,还可与业界主流的硬件相结合,实现高效、快捷的整体化部署,达到且超出了我们的预期。未来,我们将继续与Nutanix合作,加速建设新型智慧医院。”
Nutanix中国区董事总经理马莉表示:“新冠肺炎疫情大大加快了中国医疗行业的数字化转型,我们看到越来越多的医疗卫生机构开始着眼于现代化IT基础架构。上海市精神卫生中心在采用创新技术优化患者体验和推动精神卫生领域科研发展方面处于领先地位。我们期待与上海市精神卫生中心的进一步合作,为中国医疗卫生行业的数字化转型树立榜样。”
随着超融合基础架构为IT系统奠定了坚实的基础,上海市精神卫生中心将在未来积极探索更多机遇,以支持医疗和科研业务发展。未来,上海市精神卫生中心将与Nutanix携手,进行多个院区之间容灾,对业务数据进行深入挖掘和智能化分析,让线上和线下业务紧密结合。
与上海市精神卫生中心的合作是Nutanix近期在中国市场的最新成就,凸显了Nutanix对中国市场的持续深耕与投入。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。