至顶网CIO与应用频道 05月22日 北京消息:
复旦大学附属肿瘤医院(以下简称“肿瘤医院”)是国内较早成立的肿瘤专科医院,有国家教育部重点学科2个(肿瘤学、病理学)、国家临床重点专科3个(病理科、中西医结合科、肿瘤科)。肿瘤医院是国内较早完整实施医院信息平台的医院,从2000年开始建设医院信息系统,在2007年就先行完成了国内门诊电子病历书写和打印系统。2012年,肿瘤医院在数据中心架构中引入服务器虚拟化技术,基于刀片服务器和集中式SAN存储构建了完整的虚拟化基础架构平台,用以承载医院信息平台、临床、医技、科研和患者自助服务等医疗服务业务系统。从2016年开始,肿瘤医院开始推动互联网+医疗服务,利用公有云平台建立起“肿瘤专科分级诊疗平台”,借助互联网技术将肿瘤医院自身在病理分析、肿瘤治疗等方面的优势分享给更多的基层医院,使更多的患者可以就近享受到优质的医疗资源。
在将整个互联网医疗平台迁移到Amazon Web Services (AWS) 之前,肿瘤医院的信息系统主要面临着三方面的挑战:其一是安全性问题,原有的托管服务器和自建服务器方式在安全防护方面不够强壮,容易遭受网络攻击;其二是资源的配置与变更缺乏灵活性,肿瘤医院的互联网医疗平台主要为患者提供服务,经常会遇到峰值访问的情况,比如在线挂号系统,在每天放出号源时,访问量很大,而在其他时候,访问量则不是很多,因此迫切需要系统有很好的灵活性和可扩展性;其三是需要加快应用部署速度,“我们的互联网医疗平台承载了很多应用系统,并且还在不断增加,因此特别希望借助AWS云的灵活性和丰富的部署模版,增强应用部署的灵活性,提升部署速度。”肿瘤医院信息中心主任王奕说。
肿瘤医院最初选择了其他公有云平台,但经过一段时间的试用,并不能很好地满足业务发展的需求,经过慎重的测试、分析、比较,肿瘤医院最终决定将整个互联网医疗平台全部迁移到AWS云上。做出这一决定的原因主要基于以下几个方面:
其一是AWS的高稳定性,肿瘤医院的互联网医疗平台主要为患者服务,需要7*24小时的可用性。其二是AWS提供了丰富的安全功能,方便构建安全的架构体系,“这使得我们的互联网医疗平台既能为患者提供全方位的服务,又可以很好地将医院的核心信息系统与外界隔离开来,确保数据安全。”王奕说。其三是AWS Support团队提供了全方位的支持服务,还可以灵活选择服务级别,遇到棘手的技术问题时,可以随时启用更高级别的Support服务,在AWS Support团队的帮助下快速找出问题症结并解决问题,之后再将服务级别降下来,实现成本节省。此外,AWS采取灵活、合理的计费模式,提供了按需实例、预留实例和Spot实例计费方式,客户可以根据需求选择,实现成本节省。
对肿瘤医院来说,选择AWS也是在为将来开展深入的肿瘤治疗研究准备计算资源,因为AWS云提供了性能卓越的GPU集群,非常适合于需要进行大量计算的肿瘤治疗研究。
肿瘤医院从2017年开始将整个互联网医疗平台迁移到AWS云上,整个信息系统采用混合云部署方式,互联网医疗平台通过IPSec VPN与医院数据中心连接,确保数据链路安全。由于互联网医疗平台需要持续提供服务,因此在AWS技术团队的帮助下,精确规划了每一个应用的迁移,尽可能缩短停机时间,确保了在系统迁移期间日常业务的正常运行。
目前,互联网医疗平台上部署的应用包括肿瘤专科分级诊疗平台、微信公众号、微信企业号、移动支付、物资扫描收费供应链、医院官网、远程病理应用服务器、切片程序服务器、切片数据服务器、乳腺外科报告服务器、HRP云服务器、医院官网接口及视频直播、心电图应用服务器等。使用的AWS云服务包括Amazon Elastic Compute Cloud (Amazon EC2)、Amazon Simple Storage Service (Amazon S3)、AWS Data Transfer、AWS CloudFormation、Amazon Virtual Private Cloud (Amazon VPC)、Amazon Glacier以及AWS Support 等。图1是肿瘤医院基于AWS云的互联网医疗服务平台架构图。
将互联网医疗服务平台整体迁移到AWS云上,使肿瘤医院在多方面获益匪浅。首先是整个系统的稳定性更好、访问也更流畅。“例如,我们的办公自动化(OA)系统也部署在AWS云上,医院职工可以远程通过微信OA系统来顺畅地访问,这在过去是完全做不到的。”王奕说。其次是应用系统的部署更方便了,无论是部署Web应用还是数据库应用,都可以使用AWS云现成的模版来快速部署。其三是安全性更高了,不仅是提高了外部访问的安全性,同时也提升了医联体内部成员单位访问的安全性,由于AWS云支持多路VPN,所以无需拉多条专线,就可以允许多家医院通过VPN访问同一个应用。此外还节省了成本,由于AWS采用灵活、合理的收费体系,因此与原来采用的云平台相比,肿瘤医院大约节省成本20% - 30%。
“我们已经在计划开展多中心的临床试验研究和科研、深入研究基因数据等,将会用到AWS的GPU实例集群以及其他一些产品来推动研究的进展。”王奕说。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。