该医疗机构借助思杰工作空间解决方案实现HIS系统全面云化,新旧系统秒级切换,打造医疗系统生态新体验
医院信息系统(Hospital Information System,HIS)是医院的核心系统,它承载着诊疗、病例、运营管理等众多庞大且复杂的信息数据。通常,医院内的不同系统来自于不同集成商,存在技术壁垒和信息孤岛等问题。同时,前台、门诊、诊疗、挂号等服务系统也与HIS系统密切相关,不完善的HIS系统有可能会使患者的就医体验大打折扣。如何能够快速地、在不影响医院正常运营的状态下进行HIS系统的全面变革?思杰协助内蒙古医科大学附属医院实现了HIS系统的全面云化。
业务不间断,借助思杰空间解决方案成功实现HIS系统全面云化
内蒙古医科大学附属医院是内蒙古医科大学的直属附属医院,始建于1958年,是内蒙古自治区最早建立的综合性、三级甲等医院之一,它建立了拥有142家成员的远程医疗系统数据资源共享网络,并设有6家城市医联体单位与4家对口支援旗县级医院。
随着国家医院信息化建设的进一步推进,内蒙古医科大学附属医院现有的一些信息系统已经无法适应医院的发展,HIS系统升级势在必行。同时,对于这样的大型三甲综合医院来说,HIS系统需要在不影响病人就医的前提下完成升级过程,并且需要拥有能够快速复制的属性,从而在医院内不同科室、院区里部署和使用。
内蒙古医科大学附属医院利用思杰Citrix Virtual Appsand Desktops+ADC产品解决方案,共享WinServer 2019服务器和Windows 10桌面云,成功实现了1200名工作人员云桌面的快速交付,并且秒级完成向新HIS系统的切换,在不影响患者就医的前提下,保证了业务的不间断运行。其中,Citrix ADC解决方案为医联体信息系统对接一体化奠定了基础。新HIS系统运营后,内蒙古医科大学附属医院的信息化系统得到了全面升级,大大提升了医护人员的工作效率和患者的就医体验。
秒级切换,刷新HIS系统改造交付记录
在进行HIS系统改造时,内蒙古医科大学附属医院对新HIS系统的要求是不受客户端限制,只需要一个浏览器就可以访问HIS系统来处理医院相关业务。当时面临的挑战是,医院原有的Windows XP客户端不足以支撑新HIS所需Chrome浏览器的运行。于是,借助思杰工作空间,通过在原有Windows XP客户端安装思杰Receiver软件,便可运行兼容Chrome浏览器标准版本的Windows 10系统,从而在不影响医院业务正常运行的背景下,实现对新HIS系统的秒级切换与访问。
此外,通过Citrix Virtual Appsand Desktops(CVAD)产品,内蒙古医科大学附属医院只需在6台服务器上部署软件后,就可以集中管理、集中分发1200个桌面系统到客户端,比传统的VDI方案节省了近75%的硬件成本。同时,思杰的工作空间解决方案与HIS系统天然匹配,加强了在整体成本控制上的优势。
拓展兼容,赋能医联体信息系统对接一体化新生态
随着国家医改的推进,分级转诊、远程医疗将逐渐成为主流,附属医院的医联体规模也会逐步扩大。思杰ADC解决方案,保证了桌面云在公网上使用的安全性,打破传统医院信息系统基本只能在院内内网使用的惯例,而该网络解决方案使得桌面在公网上使用成为可能,为医联体信息系统对接一体化实现奠定了基础。
内蒙古医科大学附属医院建立了拥有142家成员的远程医疗系统数据资源共享网络,并设有6家城市医联体单位与4家对口支援旗县级医院。未来,思杰桌面云高级版本有望成为这些分支医疗机构快速部署新HIS系统的最佳解决方案。同时,也为院内医师在院外进行各类医嘱操作提供更多实现方式和手段,为医院未来信息化发展提供更多动力和支撑。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
哈佛大学研究团队开发出LangSplatV2系统,实现了超高速3D语言查询功能。该系统通过创新的稀疏编码技术和高效渲染算法,将3D场景语言理解速度提升了47倍,达到每秒384帧的实时处理能力。系统采用全局语义字典和稀疏系数表示,彻底解决了传统方法中解码器速度瓶颈问题,为AR/VR、智能机器人等应用提供了强大的技术基础。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
马里兰大学研究团队提出了CoLa(Chain-of-Layers)方法,让AI模型能够根据任务难度动态调整内部层的使用策略,实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法,该方法在推理任务上显著提升了模型的准确性和效率,为75%的正确答案找到了更短的处理路径,并纠正了60%的错误答案,为AI模型的架构优化开辟了新方向。