作为全国和安徽省的县级公立医院改革试点单位,定远县总医院(文中或简称“医院”)其实还很“年轻”。2008 年,在定远县政府的支持下,原县人民医院和县中医院两所二甲医院优化组建,才有了定远县总医院。因此医院也承担起全县的医疗、预防、保健、康复等工作。
定远县总医院下设包括急救中心在内的多个医疗分支机构,承担并指导全县院前急救和卫生应急医疗救治工作,拥有临床病区 21 个,开设一级临床科室 15 个,开放床位近千张,配备先进的诊疗设备。同时,医院利用信息技术优化医疗服务流程,强化内部科学管理,加强城乡分工协作,从多方面提升全县人民的就医体验。
图片来源:定远县总医院官网
医院党委书记王远近曾经说过,“百姓信任好的医院,如果一家医院看起来就脏乱差,那就不能怪百姓总是跑出去看病了。”这也体现在定远县总医院的体系架构整体设计上,变革从院区建设、医护培养、IT 完善等方面统筹推进。
在医院信息科梁科长看来,有了明确的“智慧医疗”发展规划,就需要跟随技术趋势,将 HIS、LIS、OA、EMR、病理等系统全部逐步迁移上云,实现数据互联互通,为数据沉淀与分析打下坚实基础,后续不仅能更好进行首诊、分诊、双向转诊工作,也能为全县居民提供更专业的健康管理,真正做好居民“健康守门人”。
充分梳理需求之后,定远县总医院选择以“青云企业云+青云存储”来形成IT基础支撑。
青云企业云能够提供从 IaaS、PaaS 到 SaaS 的全栈能力,尤其是 PaaS 提供的开放框架及大数据平台,能有效满足现有的临床数据医疗数据分析需求。通过私有云平台的建设,医院实现了数据中心整合,建立起综合管控平台,并且形成统一标准管理数据。
青云企业云平台产品架构
医院将包括影像数据信息在内的海量数据保存在青云全闪存储上,为支持远程会诊、远程医疗的数据共享与协同服务。全闪存储符合未来技术发展方向且满足系统可扩展需求,而青云存储的稳定性、兼容性也得到了大规模认证,与青云企业云形成完整的解决方案,既能有效降低成本,又能更好支持业务创新。
所有的锐意进取是医院领导层对于“深化公立医院改革”的透彻理解与积极贯彻。可能很难想象,现在省内二甲医院里名列前茅的定远县总医院曾经面临着“留不住病人”的困境。医院在原有两家医院合并的基础上,实现全县医疗资源的统一行政管理和统一人员调配,成为医院规模化、科学化发展的起点,坚定地朝着医疗服务质量的持续提升发展,朝着更高的医疗可及性、更透明的医疗费用发展,各种数字化技术与临床结合也正朝着深层交互发展。
为了更好地实现“大病不出县、小病不出乡、慢病在村居”的医改大目标,定远县总医院在进行数字化建设时,以顶层信息资源规划为基础,以标准贯穿全过程,将数据保护与复用、运维管理、计算服务等方面的需求融入一体化管理的设计。因此,医院在备份容灾、多活数据中心、数据安全共享等方面也在持续推进中,向着医疗一体化平台迈进,形成覆盖全县医疗、医药、医保等多部门协同合作的健康服务系统,提供安全、有效、方便、价廉的医疗卫生服务。
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。