如今,各级医院在“互联网+”的大潮下,信息化建设突飞猛进,加速向“数字医院”转型。相应的,IT运维部门的角色也越来越重要。在这一背景下,广州南方医科大学南方医院(以下简称“南方医院”)信息中心携手锐捷网络,借助锐捷RIIL IT综合运维管理平台实现了IT运维主动化、自动化、可视化的管理目标,用这套IT运维的“核心业务”系统,彻底摆脱了“维修科室”的传统印象,逐步成为数字医院发展的创新者和运营者。
“手工抄表”有苦难言,运维困境亟需改变
南方医院创建于1941年,座落在白云山东麓麒麟岗,是一所集医疗、教学、科研、预防保健为一体的大型综合性医院。几年前,南方医院投入大量资金建设信息化管理系统,实现了医院数字化,建立了包括CR、DR、CT、MRI、病理、超声、PET和核医学在内的完整影像数字系统和远程医疗系统,能够依靠强大的互联网应用功能为广大患者提供健康管理、预约挂号和丰富完善的诊疗后服务。然而,随着医院规模的不断扩大,以及各项数字医疗设备的升级换代,信息中心却遇到了难以解决的问题,集中在以下三个应用场景:
第一,在南方医院本院区,由于门诊、设备、实验、医技楼分布分散,为信息中心的IT故障定位和问题处理带来巨大压力。同时,医院已经在珠江、燕岭、江都等建立多家分院,存在着地理位置距离远、各院区业务职能有别等问题,这让医院信息部门的运维人员各个忙碌不堪。
第二,随着临床业务窗口的增加,导致终端站点数量几何式增长, 3000多台PC终端通过手工维护、利用Excel进行IP地址分配和管理,不仅无法避免录入错误、故障无法定位的问题,大量终端私自接入也给业务系统安全带来巨大隐患。
第三,临床业务的升级换代不可避免。在升级至第二代HIS(原为“军卫一号”)等系统后,服务器、数据库、存储、虚拟化、中间件等基础资源的稳定性将更加重要,但是面对如此庞大IT规模,“手工抄表式”的运维模式必须彻底改变。
一图可视化,为医院网络“拍CT”
针对南方医院网络基础资源的运维需求,锐捷网络的工程师成为了医院网络系统的“医生”,通过走访一线业务人员、实地勘测,将锐捷RIIL的功能特性落实到用户的实际场景中去,按照南方医院的视角提供一体化的解决方案。
首先,对于多院区运维管理的场景,RIIL实现多院区网络的统一管理,避免了分散运维导致临床业务“孤岛”情况的发生,不仅做到了“一张图”看清全院基础网络运行状况,更减少了运维人工成本的超预算付出。
图:RIIL自动构建网络拓扑
其次,针对IP冲突导致业务体验差的问题,信息部门用RIIL的智能管理工具,改变了传统手工分配IP和Excel表记录WLAN划分的情况,将业务终端与临床科室、临床业务形成关联,让工程师轻松掌握每个业务科室的终端详情和故障原因。当遇到楼层装修、科室搬家的情况时,所有设备可实现自动跟踪。
图:智能工具实现IP资源跟踪管理
最后,面对医院HIS系统切换和其他业务升级的需要,RIIL通过可视化的资源管理,让软件工程师一眼掌握资源的分配、使用、剩余情况,便于及时发现资源的运行隐患,便于软件研发人员和运维工程师有效合作。在统一管理维度下,完成医院HIS等系统的切换、试运行、上线、优化工作,大大提高临床医护人员对业务系统变更的满意度。
图:资源管理支撑业务系统升级优化
走出“灯下黑”,打造信息中心的“核心业务”
对于医院信息化建设而言,医院信息部门不仅是参与者、维护者,同时也是管理者,当自身运维体系出现发展滞后的情况,往往很多医院信息部门都面临“灯下黑”的情况,这就需要尽快对IT运维系统进行创新与升级。
南方医院信息部门从自身实际情况出发,从工作优先级、医院运营管理需求、部门规划发展等多因素思考,逐步建设从临床业务、运维服务、项目管理、团队提升等内容的信息管理平台,让信息部门摆脱了传统意义上的“维修科室”。借助RIIL综合运维管理平台,南方医院信息中心的创新工作迈出了坚实的一步。 RIIL正在逐步成为南方医院信息中心的“核心业务”管理系统,为医院未来的信息化、智能化发展打下了坚实的基础。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。