ZD至顶网CIO与应用频道 05月30日 北京消息:围绕当前互联网+医疗、医疗大数据、分级诊疗和精准医疗等产业热点,2016中华医院信息网络大会于5月27-29日在珠海召开。作为大会的积极参与和支持方,由英特尔主办的“互联网+”时代的分级诊疗和健康管理分会吸引了关注医疗卫生信息化建设的各界人士参与。活动上,英特尔(中国)有限公司联合纳里健康、阿里云共同发布了基于互联网技术的分级诊疗解决方案。该解决方案的发布,旨在通过从云到端的技术创新,支持分级诊疗制度的加速推进,提高基层医疗的服务能力,提升三级医院的服务效率和价值,进而为大众提供更有序、更便捷、更高效的医疗健康服务。
英特尔联合纳里健康、阿里云共同发布基于互联网技术的分级诊疗解决方案
2014年全国医疗机构总诊疗人次超过76亿,出院人次数超过2亿,如此巨大的诊疗数量分布却非常不合理。一方面,大型三甲医院人满为患,大众看病耗时费力;另一方面,基层医疗机构的资源利用率却极低,优质医疗资源欠缺。为解决这些问题,国家在调配医疗资源、分流患者、利用支付杠杆等方面采取了多种尝试。去年9月,国家卫计委提出在未来两年内逐步完善分级诊疗制度,到2020年,全面确立基层首诊,双向转诊、急慢分诊、上下联动的分级诊疗模式。而要实现分级诊疗制度的加速推进,互联网技术的应用和部署不可或缺。如何有效的通过技术优化医疗资源的布局,提升医疗资源效率,尤其是实现优质医疗资源的“下沉”,不少医疗机构和IT企业已经展开了积极的尝试和探索。
作为长期致力于通过技术创新推动医疗健康产业发展的企业,此次,由英特尔、纳里健康和阿里云联合发布的解决方案基于开放的英特尔酷睿和至强处理器平台及开源软件,由纳里健康开发实施,整体方案部署于阿里云上的纳里健康云平台,极大的提升了系统的扩展性。通过基于互联网的安全通道建立,保障了系统在互联网环境中的用户数据安全及隐私保护。方案为病人、医生带来使用体验上的提升,推动传统医疗服务模式的变革。
由英特尔主办的“互联网+”时代的分级诊疗和健康管理分会现场
借助该解决方案,病患可通过APP或网站实现门诊预约,并根据病情需要,通过基层医疗机构预约大型医院专家。基层医生在诊间接诊病人时,可利用远程视频与专家进行联合诊治。对于病人来说,在家门口即可得到专家诊疗服务,省去了患者的奔波劳顿,减少了三级医院的门诊压力,提高了对优质医疗资源的可及性和常态化。对于医疗机构而言,借助互联网技术,大型医院可将检验设备资源在平台上共享,各级医疗机构根据资源情况帮助病人预约方便的时间和地点进行检查,检查结果通过云平台返回给申请医生,真正实现了检查协同,在方便病人的同时,提高了医疗资源的利用率。
“推动分级诊疗的加速部署,首先要让基层医疗卫生机构对大众具有吸引力。我们期待英特尔联合阿里云、纳里健康发布的解决方案可以为医生与患者、医疗机构之间构建新的互动模式,提高基层医疗卫生机构的服务能力”,英特尔中国区行业合作与解决方案部总经理柯道远表示:“英特尔致力于驱动云计算以及日益智能互联的世界,在医疗行业,通过联结产业力量,英特尔充分发挥了从云到端的技术领先优势,支持着从院内到院外,贯穿全生命周期的医疗健康服务模式重构,致力于让高质量、便捷的医疗健康服务触手可及。”
大会期间,英特尔也联合海纳医信(北京)软件科技有限责任公司、博易智软(北京)技术股份有限公司、西安盈谷科技有限公司、新海健康等20余家合作伙伴展示了在英特尔云到端技术支持下,创新的产品和解决方案在移动医疗、医疗影像管理、个人健康管理、医疗云服务等领域的应用,展示区吸引了大批与会嘉宾驻足参观。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。