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
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。