从左至右:InterSystems亚太区总经理Luciano Brustia(卢侠亮),InterSystems 战略规划副总裁Paul Grabscheid,浪潮集团副总裁高传贵,浪潮集团健康医疗事业部、合作伙伴部副总经理赵菲
日前,全球医疗信息技术领域领导者InterSystems在一年一度的美国全球医疗信息化峰会上与中国领先的云计算、大数据服务运营商浪潮集团正式签署战略合作协议。InterSystems将携旗下核心产品——IRIS数据平台医疗版,为浪潮集团健康医疗大数据提供专业化平台技术与全球领先经验,双方将共同推进健康医疗大数据平台的创新与应用,加快医疗大数据的开放共享,为促进人工智能创新技术与医疗健康服务融合的“互联网+医疗健康”发展做出贡献。
浪潮集团作为国内领先的大数据平台服务运营商,始终以数据为核心、技术和服务创新为导向,努力协助政府、个人、医疗机构和应用企业打造创新的大数据平台,携手合作伙伴共同构建数据社会化大生态。作为国内为数不多的开展健康医疗大数据平台建设和运营服务的企业之一,浪潮集团自发展健康医疗大数据以来一直备受业内及社会的广泛关注。健康医疗大数据平台的建设,不仅要实现所有健康数据资源的统一管理,更重要的是基于数据标准和安全,基于数据标准化和质量管控,真正实现各类机构的数据异构共享,安全快速释放数据价值。
“我们很高兴能够与InterSystems达成战略合作协议,InterSystems的先进技术帮助全球众多大型医疗机构和区域卫生健康管理体系在快速开发部署和互操作方面实现创新和变革,旗下IRIS数据平台是集事务处理与分析与一体的高性能数据技术支撑平台,提供了所需的所有工具和功能,包括数据全生命周期管理、互操作性、事务处理与分析等,IRIS医疗版还预设医疗消息之间进行数据转换的模型,支持FHIR等先进特性,不仅能够对海量医疗数据进行分析洞察,还能够协助我们打通各医疗数据平台,实现各类健康医疗数据互通共享。此外,InterSystems IRIS 还提供开放的环境,支持合作伙伴进行应用的快速开发,满足广泛的场景和应用需求。”浪潮集团副总裁高传贵表示。
2019年2月,InterSystems便开始与浪潮集团展开创新研发合作,在完全遵循安全框架下,双方开展了大数据平台技术方案的创新研发与试点,并为其提供InterSystems Health Connect互联互通解决方案和IRIS数据平台医疗版。其目标是通过全球领先的技术和应用经验,联合研发先进的大数据技术应用支撑平台,创造内置国际医疗数据标准和创新经验,符合中国安全标准的应用方案,共同助力大型医疗机构和区域健康信息平台实现大数据互通融合,促进健康大数据应用,推动在数据治理、数据互操作性、疾病与健康预测方面加快人工智能和国际经验的创新应用,在实现惠民助医的同时,培育大数据与人工智能产业的新业态和经济增长点。
InterSystems亚太区总经理Luciano Brustia(卢侠亮)在签署仪式上对此表示,“InterSystems很高兴能够携手浪潮集团,与浪潮集团合作,充分融合各自优势,助力中国健康医疗大数据平台的创新研发与应用,通过产业生态的力量,共同推进中国乃至全球健康医疗大数据和医疗服务新兴产业的快速发展。”
一直以来,InterSystems都非常重视中国市场。随着中国经济的高速发展,人民生活水平得到快速提升,与此同时,大家对医疗健康服务的需求也在逐步增长。InterSystems战略规划副总裁Paul Grabscheid表示:“中国的健康产业正迎来前所未有的大发展、大繁荣时期,InterSystems很荣幸能够参与到中国健康事业的发展之中。在未来,我们也将竭尽所能,将更多优秀的产品技术带来中国,为中国大健康、大卫生、大服务、大共享的新时期卫生健康发展提供支撑。”
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。