2022年9月5日 中国 北京 致力于帮助客户解决最关键的可扩展性、互操作性和速度问题的创新数据技术供应商InterSystems今日宣布与PreferUS医疗达成合作。通过部署InterSystems TrakCare统一的医疗信息系统,InterSystems将助力PreferUS医疗在上海打造其首个运动医学中心(SMSC)。
自2008年以来,PreferUS医疗始终致力于在中国医疗市场建立强大的基础和影响力。首个运动医学外科中心(SMSC)坐落于上海繁华地段,将专注于运动医学。除日间手术中心外,该中心还将包括相关的实验室服务。通过为骨科、运动医学医生提供一站式服务平台,为中国运动医学市场打造以西医为核心的独特服务模式。
作为一个全面而强大的医疗信息系统,InterSystems TrakCare®统一医疗的信息系统可提供、管理和转化医疗服务,为PreferUS提供无缝连接的系统和流程。通过采用TrakCare PAS、TrakCare®实验室信息系统等8个模块,PreferUS可以通过无缝信息流支持全生命周期的医疗服务和管理。更重要的是,TrakCare有助于PreferUS在未来打造多个医学中心。
“上海的运动医学外科中心(SMSC)是我们首次尝试。我们的战略计划是在中国打造多家SMSC,对这一战略的支持是我们考察临床信息系统时非常看重的关键因素。TrakCare可以满足我们这一需求。另外,TrakCare对多语种的支持对我们海外的医生团队也更加友好。” PreferUS中国区总经理陈栋表示。
InterSystems将全球最佳实践融入TrakCare,并预先配置后交付给本地客户,以降低复杂性和风险。因此,PreferUS可以将精力集中在最重要的事情上。
“InterSystems TrakCare为SMSC未来的持续发展提供了坚实基础。服务中国近25年后,InterSystems获得了中国客户的极高赞誉。” InterSystems亚太区总经理卢侠亮(Luciano Brustia)表示,“InterSystems拥有全球顶级的技术与解决方案,我坚信我们会助力PreferUS在中国市场打造一个健康的医疗服务平台。”
关于InterSystems
InterSystems创立于1978年,是为医疗、金融、制造、供应链等行业提供企业级数字化转型下一代解决方案的领先供应商。InterSystems的云优先数据平台为全球大型企业解决各类互操作性、速度和可扩展性难题。InterSystems致力于成就卓越,为全球80多个国家的客户与合作伙伴提供广受赞誉的7×24小时技术支持。InterSystems是一家总部位于美国马萨诸塞州剑桥市的私人控股公司,在全球25个国家拥有36个办事处。更多详情,敬请登录:https://www.intersystems.cn
关于优选医疗集团(PreferUS)
优选医疗集团(PreferUS)成立于2008年,是美国最大的医院+医生集团之一。优选致力于将美国的先进医疗技术和服务引入中国,为中国医疗市场提供高质量的医疗服务。我们的股东包括美国西部最大的综合性医院—西达-塞奈医疗中心(2022年美国医院综合实力排名第二),俄克拉荷马心脏病医院、德克萨斯脊柱研究所,克兰·乔布运动医学中心、印尼金光集团和100多位美国顶级医生投资人。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。