乐清市第二人民医院通过部署Nutanix 超融合基础架构解决方案实现 IT转型升级,构建优质高效的医疗卫生服务体系
2021年3月30日,北京 — 私有云、混合云和多云计算领导者Nutanix(纳斯达克:NTNX)今日宣布,乐清市第二人民医院已成功部署 Nutanix 超融合基础架构(HCI)解决方案。此次部署旨在推动乐清市第二人民医院IT基础架构的转型升级,支撑医共体项目的落地,建设“互联网+”智慧医院。
乐清市第二人民医院成立于1952年,是一所融医疗、教学、科研为一体的二级甲等综合性医院,核定床位500张,设有16个病区和33个临床医技科室,下辖10家分院(卫生院)。
近年来,在全面推进健康中国建设的大背景下,国家深化医药卫生体制改革,持续推进医共体建设,旨在构建强大的公共卫生体系。这意味着我国公共卫生体系建设将站上新的台阶,也必然对医疗机构的信息化水平提出更高的要求。
作为浙江省综合医改先行先试医院之一,乐清市第二人民医院在信息化方面一直锐意进取,从而加速业务创新和智慧医疗建设。然而,随着信息化建设不断推进,病例系统、药事管理系统等新业务应用陆续上线,原本的IT基础架构面临机房空间不足、运维成本高、升级维护复杂等一系列挑战。
此外,为支撑医共体建设,解决数据共享问题,以支持各分院业务的开展,乐清市第二人民医院自主研发了医院信息管理系统(HIS)以实现医共体的系统对接。但在新系统上线后,由于原有硬件服务器过于老旧,无法保障新系统的稳定运行,经常出现宕机问题,IT架构改革便被提上日程。
在产品选型的过程中,乐清市第二人民医院通过浙江联云智鼎信息科技有限公司了解到Nutanix 超融合解决方案,双方紧密合作,顺利实现了医院的IT基础架构转型。目前,乐清市第二人民医院的所有业务系统,包括医院信息管理系统(HIS)、电子病历系统(EMR)等核心应用,都已经在 Nutanix 超融合基础架构上运行。
全新的IT基础架构有效整合了乐清市第二人民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。在采用超融合基础架构之后,信息科业务部署交付时间缩短50%,IT管理效率提升40%。
与此同时,在超融合基础架构的支持下,乐清市第二人民医院实现了自主研发的医院信息管理系统(HIS)与公共卫生管理系统的实时对接,大幅提升了业务效率。以此为基础,医院还进行了智慧医院的探索,如云影像、远程诊断、智慧药房、一站式服务中心等。特别是在疫情期间,乐清二医还实现了线上医疗与送药服务。
为了真正推进“医共体”建设,乐清市第二人民医院需要确保医共体内的资源共享、服务管理同质化和利益共同化。此次IT基础架构的转型升级中,医院通过在中心机房构建基于超融合基础架构的私有云交付云桌面,各分院不再设置服务器,其数据集中保存于中心机房,解决了原来各分院服务器差、无人维护、数据安全性堪忧等问题。
乐清市第二人民医院院长赵晓海指出:“信息化对于医共体的建设,以及我院服务质量、服务流程的改造来说,都是不可或缺的。Nutanix 的优势在于强大的兼容性、快速稳定的前端响应和统一的运维管理。借助 Nutanix 超融合基础架构解决方案,我们不仅保证了医院的全业务系统稳定运行,还成功实现了医共体项目的顺利落地和实施。未来,我们将继续与 Nutanix 合作,探索业务创新,努力建设 ‘互联网+’智慧医院。”
Nutanix 中国区董事总经理马莉表示:“技术理应为人们提供更好的生活,在医疗卫生行业尤其如此。考虑到远程医疗的需求持续增长,以及目前外部环境的不确定性,现代化IT基础架构对于医疗卫生机构来说至关重要。乐清市第二人民医院在医共体和智慧医疗信息化建设方面的探索处于行业领先地位。我们期待与乐清市第二人民医院的进一步合作,为中国医疗卫生行业的数字化转型树立标杆。”
随着业务不断发展,乐清市第二人民医院计划在现有 Nutanix 超融合基础架构之上进行扩容,部署专用于云桌面的设备,以支持业务探索和创新。未来,乐清市第二人民医院还将继续与 Nutanix 携手,进一步推进无纸化办公,依靠 “互联网+” 技术联通线上和线下、院内和院外,打造新型智慧医院。
与乐清市第二人民医院的合作是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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。