案例基本内容和执行情况
在国家大力推动卫生健康事业高质量发展、医疗科技不断创新的背景下,医疗机构进入数字化转型建设阶段,医疗行业迎来快速发展。其中,数字化医学影像作为医疗机构开展患者服务、临床诊疗、科研教学等工作的基础,不仅在构建全生命周期的健康服务中发挥出巨大作用,更为全面提升医疗卫生服务质量和水平提供了有力支撑。
影像归档和通信系统(PACS)是数字化影像科室高效运转的基石。东软PACS 6.0是自主研发的以医学影像专业化为基石,聚焦医护与患者体验,拥抱技术与生态的新一代PACS产品。
东软PACS 6.0可搭载Al智能诊断、医疗大数据分析、患者医学影像病历等应用,助力医生精准诊断,提升患者就医体验;基于云原生技术,在医学影像数据容量激增的情况下,实现医学影像数据的云存储,有效保证医疗数据安全,降低医疗机构数据存储成本15%以上,也极大地提升了医疗机构的运营能力和运行效率;同时,利用云计算架构优势,通过医学影像的跨机构共享和业务协同应用,为分级诊疗政策落地提供信息化支撑。
打破数据壁垒 在变革中激发创新活力
数字经济浪潮下,数据成为医疗机构关键的生产要素。据不完全统计,医学影像数据已占据医疗机构数据总量的80%,按照有关规定影像数据需要长期存储,传统的医疗机构业务流程中各信息系统间业务数据的互联互通性、二次利用率低、资源浪费等问题凸显,数据管理面临巨大挑战;在跨医疗机构业务协同中,更需要通过标准化、结构化的数据互联互通,来满足检查检验结果互认和诊疗协同的更高要求。因此医学影像数据的管理、整合、清洗、应用以及安全性的保障至关重要。
东软基于在医疗领域长期的丰富实践以及对快速变化的医学影像数据应用场景的理解,打造了医学影像数据中台,中台包含数据集成、数据服务、数据计算、数据应用和数据治理等模块,基于云技术与医学影像数据中台技术,打造一体化的技术架构、业务架构和底层平台。
案例主要经济成效和社会成效分析
打破医学影像产品之间架构差异和数据壁垒,重构医学影像产品核心技术;同时,通过构建新一代湖仓一体(Data Lakehouse)架构,为医疗机构提供一个统一的、可共享的数据底座,赋能医疗机构构建全新的、融合的数据平台。
基于SAAS模式 赋能千家客户数字化医学影像服务
随着医疗机构将诊疗活动延伸至互联网端,数据共享和流通成为刚性业务需求,面对愈加严峻的信息安全挑战,医疗机构及监管机构应通过动态变化的视角分析和判断信息安全风险,在基础设施层、数据资源层、业务应用层、终端应用层都需要建立全面的安全管理和风险管理能力。
医学影像信息系统在医疗机构信息化建设中起步早、技术革新快,具有良好的发展前景。面向各级医疗机构、医疗集团、医联体、医共体、卫健委等不同主体,东软PACS 6.0可以满足其在效率、效益、精准诊断、管理、服务、安全等不同方面的需求。
在应用方面,东软PACS 6.0基于SAAS模式赋能医共体及基层医疗机构医学影像诊疗服务,赋能分级诊疗的远程影像会诊及远程影像诊断,赋能医学影像质控与检查检验结果互认,赋能医疗机构医学影像业务水平整体提升,赋能数据分析与挖掘,为科研教学及业务管理决策提供全面的数据支撑。并基于"互联网+“实现跨医疗机构医学影像业务协同,打破医疗机构内外的信息孤岛,实现与其他医疗信息系统的互联互通。
不仅如此,东软PACS 6.0还可以通过全方位的医学影像驾驶舱,及时调整医学影像检查资源的分布及使用,精准绩效评估,有效提升设备使用率,使业务经济价值最大化。目前,东软PACS 6.0为数以千计的各级东软客户提供数字化医学影像服务,已然成为智慧健康城市平台的一个重要组成部分。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。