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
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。