ZD至顶网CIO与应用频道 12月20日 北京消息:2016年12月13日,以“应用、安全、融合”为主题的上海医院信息网络大会在美丽园大酒店成功举办,万户OA医疗(www.whir.net)作为医疗卫生领域专业解决方案提供商受邀参加,并发表主题汇报:区域卫生管理信息化互联互通 2.0,与业界专家一起共话医疗信息化趋势。
聚焦医疗信息化前沿,大咖云集
随着国家医疗信息化改革的进一步深入,本次大会主要围绕“十三五”上海人口健康信息化建设、上海医改“5550方案”涉及医改五大制度建设(分级诊疗制度、公立医院现代管理制度、医保支付制度、药品供应制度、综合监管制度)信息化支撑、科技促进医疗服务模式变革(与互联网+、云计算、大数据、物联网、移动医疗结合)等内容召开,吸引了业界两百多人参加。
作为一年一度上海医院卫生信息化领域最具分量的会议,大会邀请到上海市医院协会、上海市卫计委、上海申康医院发展中心等行业多家领导出席会议,同时本市区县卫生局信息主管、各级医疗机构分管领导及信息中心主任也几乎全数到场,部分兄弟省市医疗信息化特邀观摩嘉宾也莅临现场。
专家观点精彩分享
上海市决策咨询委员会委员、市医改领导小组办公室许局作为特邀嘉宾作《上海医改大数据应用》主题报告。谈及如何构建医疗卫生改革的生态环境?许局表示:建立标准是构建各方平衡的基础,需形成机制。医疗卫生改革的目标是清晰的,路径是明确的。如何去实现?他认为“大数据”可以形成标准,“信息化”可以实现路径,“互联网”可以对医改起到全面支撑。
上海市医院协会副会长、上海市第一人民医院王院长致辞,王院首先表达了对上海医疗卫生信息化工作者的致敬,他说:上海这座城市之大、信息量之广、医疗水平之发达,上海医疗信息化发展达到如今的水平,我们广大医疗卫生信息化工作者做出了不可磨灭的贡献!提到“如何把医院科学化、精细化管理落地?”他认为信息化建设是当中最为核心的基础性工作,是最有力的抓手之一。
上海市卫计委信息中心谢主任作《上海人口健康信息化建设》主题报告,谢主任首先简单回顾了上海卫生信息学化十三五规划“23211”,即建设两个平台(管理平台、信息惠民平台)、完善三大类业务系统、 形成两大测评体系、形成一个统一的认证平台、以及形成安全标准。提出正在规划的上海卫生信息化建设第三期要“以医疗人口健康大数据为中心,建立三云三服务”。谢主任在报告中提到,人保部最近发出正式文件,官方认可了在支付宝及微信环境中进行脱卡支付。他表示,上海在落实卫生部发放居民健康卡的工作要求时要与实际应用相结合,具体的做法是要变有形卡为无形卡,实现在手机上预约、支付、健康管理、查询整个医疗记录等功能。
万户医疗分享区域卫生管理信息化2.0方案
万户医疗发表“区域卫生管理信息化2.0方案”的主题汇报,分析了当前医院管理信息化的现状,指出建设区域卫生管理信息化2.0,就是要建立全区统一的技术标准和接口规范、以及管理规范和应用规范,实现全区所有医疗机构个性化需求。
随后以普陀卫计委区域卫生管理信息化应用进行案例分享。在协同平台的基础上,普陀区卫计委实现了内部全面的OA行政办公应用,以及政府采购管理、三重一大管理、患者满意度管理、科研经费管理、医德医风等职能管理应用,此外还与下属二级医院、社区服务中心实现了全区互联,并可根据自身业务需求实现预算执行管理、科研管理、教学管理、移动办公等应用拓展,从而提升了区域整体的协同管理能力。
此外,万户医疗在活动现场设立展台,介绍公司最新情况以及医院OA2.0解决方案,吸引众多与会嘉宾来展台咨询,对万户网络在医疗卫生信息化方面的建设成果和成功经验进行了解。
如今,信息化建设成为提升医院核心竞争力的关键。面对新的发展形势,万户医疗将聚焦医疗服务机构群体,以最新、前沿的医院OA2.0解决方案,助力医院不断创新管理模式,走向规范化、精细化管理之路,开启新的管理信息化时代!
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。