提到基层医疗,很多人会想起乡村卫生室、诊所、社区服务站等,与已经建立起完备信息化、数字化系统的大型医院不同,大量基层医疗机构似乎还停留在“纸质时代”,既不适用精细化、规范化的医疗服务,也与推动医疗资源下沉的政策趋势不相适应。
通过集成领先数字技术,为诊所提供低门槛、高安全、强连接的工作平台,被视为推进基层医疗信息化、加强分级诊疗能力的有效途径,湖南同云医疗科技有限公司(以下简称“同云科技”)便是其中的实践者之一。但在业务推进过程中,同云科技也面临着业务稳定性、数据安全、弹性扩容等方面的挑战。为此,同云科技选择与华为云及拓维信息携手,将基础设施全部“上云”。在三方合作之下,同云科技从多个方面实现了效益提升,不仅助力众多基层医疗机构闯过信息化建设的重重关口,更成为“数字生态”助推中小企业高质量发展的标杆范例。
基层诊所成分级诊疗重要构成,信息化程度过低阻碍转型步伐
我国在2009年启动新一轮医药卫生体制改革,旨在通过推进分级诊疗制度,来解决医疗供需不平衡等问题。根据《2021年我国卫生健康事业发展统计公报》数据,截至2021年末,全国医疗卫生机构总数1030935个,其中基层医疗卫生机构977790个,占比90%以上,成为分级诊疗直面患者的重要一环。
在基层医疗机构快速发展的同时,也存在信息化程度过低的问题,表现为部分诊所缺乏电脑等数字化设备、工作人员没有数字化办公概念等,直接导致诊所工作效率低下、诊疗信息大量重复且不互通、缺乏标准化体系导致“小、散、乱”等,更直接影响了后续国家新医保平台的接入工作,无法在基层诊所实现业务流程、三目匹配、对账等操作,严重影响群众就医体验和医保使用。
对此,近年国家有关部门出台的一系列文件中,多次提到基层医疗机构的信息化建设,如《“十四五”全民健康信息化规划》明确要求,“建设形成统一权威、互联互通的全民健康信息平台支撑保障体系,基本实现公立医疗卫生机构与全民健康信息平台联通全覆盖”。国家卫生健康委和国家中医药局2022年底联合发布的《关于印发诊所备案管理暂行办法的通知》中指出,“县级人民政府卫生健康行政部门和中医药主管部门应当充分利用信息化、大数据等手段提升监管效能,将诊所纳入本地医疗质量管理控制体系,确保医疗质量安全。诊所应当与备案机关所在地诊所信息化监管平台对接,及时上传执业活动等相关信息,主动接受监督。”
同云科技“云上创新”,助推基层诊所信息化建设
为了改变基层诊所“传统作坊”诊疗方式,同云科技选择SaaS系统开发之路,打造了“同云诊所信息化(CIS)服务平台”,提供诊所数字化运营管理、打通医保信息、药品规范化管理等功能,界面直观、操作便利,一定程度上降低了基层医疗信息化转型的门槛,此外还能通过开展培训,促进交流,提高诊所的医疗服务能力、诊疗水平。
随着平台业务落地规模扩大,同云科技信息系统运行压力和存储扩容压力日益增大,原有的IT系统架构已不能满足新的业务发展需求,急需升级改造。如果独立建设机房,前期需要投入大量的人员、服务器、电力等成本,后期还有大量的维护成本,此时“上云”便是一种更为省时省力的选择。经过充分调研,同云科技最终选择与华为云及拓维信息合作,将基础设施全部“上云”。
目前,同云科技的SaaS系统、数据库存储全部使用华为云相关产品,利用华为云提供的云产品顺利达到信息系统安全等级保护三级。此外,华为云各种领先的云服务模块和能力可直接赋能同云科技研发团队,比如“同云诊所信息化(CIS)服务平台”有一些特殊的证照识别功能,市面上常见的算法库不能满足业务需求,同云科技直接采用华为云AI算法,在华为云领先数字技术的加持下,同云科技无需专门研发,让公司业务更聚焦,可将更多的精力放在客户服务上,解决行业、监管单位对系统的管理需求,快速实现系统的迭代与开发。
对此,同云科技CEO高步云在合作后直言,华为云和拓维信息提供的一揽子上云解决方案满足了业务发展所需的弹性扩容服务器、带宽、安全等需求,从降低运营成本、增加发展空间、安全保障、最新技术使用等多个方面帮助同云科技实现了效益提升。
截至目前,同云科技已为一万多家基层医疗机构提供一站式信息化、数字化、智能化的解决方案,有效提升所在地群众的就医体验。未来,同云科技将继续携手华为云和拓维信息,在信息安全、云市场、AI、大数据等方面进行合作,织就基层诊所的一张“生态大网”,为基层医疗机构提供更全面、更深入的一站式服务。
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。