9月1日,在成都市武侯区委、区政府指导下,由华西医美健康城管委会、武侯产业发展投资管理集团有限公司联合四川大学、华西“一校四院”、华为技术有限公司共同组织的双华数字健康产业园政校院企交流沙龙,在武侯区双华数字健康产业园成功举办。
活动现场
大咖云集,共话双华数字健康产业未来
今年以来,成都市武侯区明确将数字健康作为重要的产业发展方向,以双华数字健康产业园作为重大牵引性项目,推动华西顶尖的医疗健康资源,携手华为丰富的实践经验和产品解决方案能力“双向赋能”,共同促进数字健康产业加快发展。
作为一场聚焦数字健康与医疗信创的行业盛会,本次沙龙邀请政校院企及创投基金领域80余位重量嘉宾出席,开启了一场务实、求真、创新、谋远的数字健康产业探寻之旅。
数字健康相关行业部门领导、四川大学华西“一校四院”专家学者以及华为生态企业、本土数字健康企业、重点基金代表共同参与互动讨论。各方围绕数字健康产业的现状、趋势、需求、挑战等话题进行深入交流和探讨,分享各自经验和见解。现场互动气氛热烈,观点碰撞干货满满。
集众智、汇众力,助力医疗健康事业蓬勃发展
在交流沙龙上,四川大学华西-加州预测干预医学研究中心主任廖嘉渝分享了基于医疗大数据的干预预测模型及应用。他表示,通过运用医学生物学大数据与机器学习和人工智能的新方法,建立疾病诊断和预测模型,以期延缓或阻止疾病发生,从而推动医疗科技发展,造福人类。
深开鸿CEO王成录表示,深开鸿作为华为重要的合作伙伴,立足开源鸿蒙(OpenHarmony)生态,致力为行业数字化、智慧化提供基础软件平台。公司秉承“拥抱开源”的理念,与华西、华为等合作伙伴推动医疗信创产业的技术创新和生态建设,协同构筑数字健康产业新高地。
深开鸿CEO王成录
华为医疗行业解决方案首席架构师孟小虎表示,开放合作是数字健康产业发展的关键。华为依托“根”技术打造可持续发展的行业数字化底座,旨在通过智慧医疗、智慧服务、智慧管理为医疗行业提供“数、联、智、信”的产品和解决方案,携手生态伙伴夯实医院信息基础设施建设,共创数字健康共同体。
全省首推数字疗法基层应用场景包
武侯区卫生健康局负责人分享了“武侯家医”数字疗法基层应用场景。她指出,“武侯家医”是武侯区卫生健康局联合华西公用医疗信息服务有限公司,依托全区11家基层社区卫生服务中心,率先在全省运用数字化技术,面向全国数字疗法企业开放的慢病管理等多维度医疗健康场景。数字疗法作为数字健康未来重要发展方向,将通过互联网+大数据为居民提供全方位、全周期的健康管理服务。
两大数字医疗白皮书编撰启动
四川大学智能系统研究院常务副院长、双华数字健康与医疗信创产业研究院院长王俊峰宣布,2023年中国医疗信创指数研究和“数实孪生及AI医院创新发展”“基层医疗数字化发展”白皮书撰写工作正式启动。王俊峰表示,白皮书聚焦医疗数字化转型和医疗信创发展两大主题,发挥中枢、智库、监测功能,开展应用基础、前沿科技和关键共性技术研究,用科学工具为产业发展问诊把脉,以年度为周期动态跟踪呈现国家数字健康与医疗信创产业的真实现状和发展趋势,切实解决产业发展技术难题和科技成果转化需求,实现产业快速发展。
此次双华数字健康产业园政校院企交流沙龙活动的成功举办,激发了数字健康产业的创新活力,为武侯区打造国际一流的数字健康产业生态圈奠定了坚实基础。未来,双华数字健康产业园将充分发挥华西与华为的链主作用,吸引广大优质企业落户武侯,为成都数字健康产业蓬勃发展贡献更多力量。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。