ZD至顶网CIO与应用频道 01月17日 人物访谈(文/王聪彬):从2016年2月起,北京儿童医院、积水潭医院纷纷取消了单一挂号功能窗口,正式进入了“非急诊全面预约”时代。除了窗口、医疗工作站线下预约外,取而代之的是北京市预约挂号统一平台、微信、支付宝等7个线上预约渠道。
在今年年初,北京市发布“挂号新政”,按照北京市计划,2016年底前,22家市属三级医院将取消现场挂号,这不仅仅是在挂号上杜绝黄牛,更是医疗行业借助互联网的创新变革。
在挂号之外,医疗行业还有互联网+医疗、医疗大数据、分级诊疗、精准医疗等很多关注领域。医疗行业正在借助数字化不断发挥想象力,持续提升服务效率和服务质量。
医疗需要全方位的数字化
医疗行业是一个风口浪尖的行业,医改也在不断深化的过程中。2016年12月21日,国务院常务会议通过“十三五”卫生健康规划,明确提出加大互联网医疗应用。
发展以互联网为载体、线上线下互动的新兴消费,加快发展基于互联网的医疗、健康、养老、社会保障等新兴服务。鼓励医药行业利用电子商务平台优化采购、分销体系,提升企业经营效率。
“互联网+医疗”有很多新型的应用,上文提到的线上预约挂号就是其中一种。当然未来将全国的预约挂号全部转为线上,也将是一个不小的挑战。
现在数字化转型又成为各行业焦点,它的概念相比“互联网+医疗”更为全面,旨在从不同层面推动传统医疗的数字化。当然这里所说的数字化并不是简单的从纸变成电子,而是把当代计算机技术、信息技术应用于整个医疗过程的一种新型的现代化医疗方式。
在北大医院信息中心主任马靖翔看来,平台建设是医院现阶段数字化转型的重点。为什么这么说,从20世纪80年代开始医疗信息化就已经起步,相对于众多行业是一个先行者。但不同供应商带来的是不同的信息系统,渐渐形成了一个个孤岛。如果将它们整合在统一的平台上,这样数据的标准也就有了,之后大数据分析和挖掘也得以更好地应用。
而且由于技术的不断演化,数字化平台可以在传统业务不受干扰的情况下,使用消息队列的方式来实现,让医院的业务连续性能够得到保证。
创新变革医疗服务模式
数字化转型和医院信息化建设有着密切的关系,但医院信息化建设就好比厨房,永远都是众口难调,很难让所有人都满意,我们需要沿着既定的目标不断地推进,不断取得阶段性的突破。
现阶段医院都在保证业务连续性不受影响的前提下,开始移动医疗、远程医疗、影像云、医疗大数据分析等尝试。
移动医疗可以使得医院在诊疗和查房上更加便捷、快速的获取病人信息,提高诊疗效率。远程医疗在一些特殊病人的治疗上已经大大超过原先的诊疗效果,马靖翔举了一个例子,一个癌症放疗病人可以通过各地区甚至各国专家的会诊,制定病人的放疗规划,让病人的治愈率大大增加。
一家三甲综合性医院每天都会产生T级别的数据,其中大部分是PACS系统(医学影像存档与通讯系统)所产生,这些数据通过脱敏技术放在云端形成影像云,对于医院减轻了存储压力,方便医院使用。
同时医院的数据具有大量的价值,对科研、教学、诊断都有很大的帮助,使医疗逐渐走向精准化。上海市卫生局已经利用分布式存储、分布式计算进一步挖掘大数据在综合管理、辅助决策、数据挖掘、数据探索等重点领域的价值,并将同样的机制与民营医院进行互联互通、协同服务。马靖翔说,临床数据和科研的结合是医院最想看到的一件事,这对于未来医院的发展有着重大的促进作用。
医疗行业未来还有很多待解问题,医院信息化建设也有着很大的发展空间,如何借助新技术不断发现创新是医疗行业未来持续要做的一件事。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。