十四五以来,“健康中国”被提上高速建设日程。面对“健康中国”的新要求,基于医药行业迫切的转型需求以及当前医疗环境的压力,科技企业纷纷入局,加码医药健康产业。作为医药行业的关键一环,药品追溯也受到了前所未有的重视。
近日,华为云推出“医码平川”追溯服务平台,为连锁型药品经营企业提供药品追溯、经营管理、消费者营销等一体化解决方案,同时满足监管部门追溯及经营管理要求,助力连锁型药品经营企业数字化升级,保障企业高效、合规经营。
这是继老百姓、益丰、一心堂、健之佳、漱玉平民、养天和等六家药企与华为云进行药品追溯体系合作之后,华为云在药品追溯领域的又一力作。
药品追溯是保障药品安全的重中之重
民间有句老话:药不可乱吃,话不可乱说。乱吃药伤己,乱说话伤人。药品安全关系着我国人民群众的身体健康和生命安全,用药安全应是放在第一位的。
而事实上,我国药品安全问题近年来频频见诸报端。从2010年的山西乙肝疫苗事件,到2016年的山东济南非法经营疫苗系列案,再到2018年的长生生物疫苗案,一系列问题疫苗事件改写了我国公共卫生事业管理历史,将药品追溯体系建设向前推进。
另一方面,政策的不断出台也在加速药品追溯体系建设。2019年以来,国家针对追溯体系的框架、信息化标准陆续发布。《疫苗管理法》和新修订的《药品管理法》也从法律层面上确定了建立疫苗、药品追溯制度的必要性,药品追溯体系建设进入提速阶段。
2019年4月28日,国家药监总局国家药品监督管理局官网发布《关于发布两项信息化标准的公告(2019年第32号)》,正式宣布药品追溯监管码体系将得到全新的部署,企业可以自建系统,也可利用第三方系统。
然而,企业想要自建追溯体系,不仅要支付硬件设施如电脑、扫码设备、加密设备、软件开发维护等费用,还要对接上万家药企平台,显然是不现实的。因此,国家鼓励第三方追溯平台提供服务,华为云医药零售追溯系统正是因此而来。
通过该系统,能清晰地了解药品生产、流通、销售等全过程追溯信息,进一步保障药品来源透明安全,去向可追,支撑企业精细化管理。在药品零售方面,华为云医药零售追溯系统还可为企业提供批次出入库数量不匹配、购销数据不匹配预警,监控药品重复售卖、召回药品售卖与过效期药品售卖等风险信息提示。通过这一系统赋能,医药企业大大降低了药品采购和零售上的风险,也进一步降低了人工出入库核验和药品质量监管成本,大大提升了医药企业的工作效率,最终实现为百姓提供安全药、放心药的目的。
加码药品追溯 深耕医药健康产业
今年4月,老百姓、益丰、一心堂、健之佳、漱玉平民、养天和等六家中国药品零售产业企业家俱乐部成员单位,与华为云进行了药品追溯体系合作签约仪式,翻开了药品市场追溯体系建设历史新篇章。
不仅如此,9月26日,在第十四届中国健康产业(国际)生态大会上,又有张仲景大药房、昌盛大药房等10家中国药品零售产业企业家俱乐部成员企业与华为云进行签约。
一系列动作均表明了华为云加码药品追溯、深耕医药产业的决心。当前,华为云推出“医码平川”服务平台,给药品生产、经营企业提供了更多选择,各药品生产、经营企业可结合公司经营实际选择第三方追溯平台。积极配合省药监局做好药品追溯信息上传工作,进一步提升企业的工作效率,保障人民群众用药安全。
作为安全可靠的云服务商,不碰客户数据是华为公司立下的基本原则,保证数据安全也是华为云的生命线。自入局医药产业以来,华为云将自身三十多年来在ICT领域积累的经验赋予其中,通过技术能力实现医药行业加速创新、药品追溯安全合规、健康产业互通互联。同时,华为医药追溯平台已经得到国家食品药品监督管理总局(CFDA)的认同,并被纳入监管部门考核数据源。未来,华为云也将持续深化技术能力,为医药行业数字化转型夯实技术底座。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。