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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。