当医疗数字化进入“下半场”,医疗机构又会面临哪些新的系统和数据管理难题?当混合架构日益普及,医疗机构如何才能在IT灵活性和数据安全之间取得平衡?面对重重挑战,美国大型医疗机构Baptist Health选择携手Commvault简化数据管理、加强威胁防范、保持合规性。
医疗数字化,如何才能打赢“下半场”?
Baptist Health是一家总部位于美国佛罗里达州杰克逊维尔市的大型医疗机构,为患者提供高质量的全生命周期健康关怀。十多年来,Baptist Health一直使用Commvault进行数据管理和保护。如今,随着Baptist Health逐渐向混合云架构迁移,该机构需要简化横跨各种工作负载的数据管理、降低成本,并确保自身能够防范勒索软件带来的新威胁。
基于双方的良好合作基础,面对新的挑战,Baptist Health再一次选择了Commvault来推进数据保护和管理的升级。在Commvault的帮助下,Baptist Health实现了对于本地和Microsoft Azure上关键患者护理和机构数据的保护,并进一步提升了人力资源和法律相关数据请求的合规性。
Commvault为“混合难题”开出“新处方”
Baptist Health企业架构和可靠性高级总监Ryan Hooley指出,Commvault的服务水平出色、品质稳定,并且能够随机构的需求变化而扩展。Hooley表示:“Commvault Cloud为我们提供了诸多加强支持,包括勒索软件防护、不可变快照、全面的报告以及有效的备份等。”
利用Commvault Cloud HyperScale™ X,Baptist Health可以在单一平台保护和管理其混合云环境。Commvault支持Baptist Health在单一界面中查看其在Microsoft Azure和本地的所有数据,确保它们都已成功备份,并基于此推进报告,从而大幅节省时间。此外,Baptist Health使用磁带来保存部分数据,而HyperScale™ X支持该机构重复利用现有磁带库,长期保存备份数据。
与此同时,Commvault还提供关键的勒索软件保护功能,包括不可变存储、多因素身份验证、现代化Air gap控制等,可以有效防范威胁。
在合规性和响应信息请求方面,Baptist Health可以通过Commvault Cloud Compliance Software快速查找并导出记录。Hooley表示:“没有Commvault的帮助,我们很难获取所需信息,并将其锁定。Commvault提供的一大优势是我们在后台始终有一个副本,可以确保数据的取证稳定性。”
高效恢复,降低成本
在迁移到Commvault Cloud后,Baptist Health将恢复50G数据库的时间缩短了大约六倍。这让用户能够更快地访问关键信息,提升了该机构的患者护理水平。Baptist Health技术服务高级总监Chris Golden表示:“Commvault在帮助我们恢复SQL数据库的过程中展现出了非同凡响的实力。我们的恢复时间缩短了两到三个小时。我们对自身的恢复能力充满了信心,整个恢复过程非常省时高效。”现在,该机构在备份和恢复上花费的时间大约只有以前的一半,每周可节省大约40小时的工作时间。
Baptist Health的重复数据删除率也提高了三个百分点,降低了云端成本。随着该机构继续向云迁移,Baptist Health预计能够通过在单个平台上统一管理数据节省更多时间。
“与Commvault的合作非常愉快,他们在帮助我们提升服务的过程中投入了大量的时间和精力。”Hooley表示。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。