2021世界物联网博览会于10月22日至25日在无锡太湖国际博览中心如约而至,在博览会期间举办的中国移动物联网开发者大会上,高通公司携手无锡市卫健委、无锡市急救中心、无锡移动达成四方战略合作,继续携手推进“5G+智慧急救”项目。

高通公司全球高级副总裁钱堃(右二)出席2021世界物联网博览会中国移动物联网开发者大会5G+智慧急救合作签约仪式
高通全球高级副总裁钱堃出席了5G+智慧急救合作签约仪式并表示:“5G在智慧急救方面的应用非常有前景,能够为医疗领域带来非常有价值的行业应用。此次我们与无锡市卫健委、无锡市急救中心、无锡移动共同推动建设的5G智慧急救体系,与大众生活息息相关,其中的新型急救车应用也非常具有开创性和代表性。未来,我们还将继续支持无锡市卫健委和120急救中心,携手拓展在医疗和健康保护领域的5G应用。同时,通过高通骁龙X65平台,支持更加广泛的物联网应用场景,为垂直行业带来更极致的5G连接支持。”
作为新一代移动通信技术,5G正加速应用到各行各业,为经济社会发展创造价值,多方合作的“5G+智慧急救”项目就是5G赋能智慧医疗的鲜活案例。目前,四方已创新建设了全域覆盖、全民参与、全程管理的市域“5G胸痛救治平台”,以信息化手段支援医疗救治工作,共同提升医疗应急救治服务能力。未来,新型急救车上将搭载高通X55芯片的5G智慧网擎设备,可将患者生命体征、车载OBD和现场音视频数据,通过5G急救专网,直接回传至市卫健委数据中心,确保医疗数据的安全性和可靠性,救治医院可实时获取患者和救护车信息,提前制定抢救方案。据悉,在工信部举办的第四届“绽放杯”5G应用征集大赛中,该项目获得了江苏赛区一等奖,成为多方合力打造“5G+智慧医疗”的新样版。

图为基于高通技术的5G智慧急救车外观
根据无锡市急救中心提供的信息,该中心已于今年10月对全站所有急救车进行了5G赋能。患者拨打120,市急救中心将在第一时间通过急救指挥调度系统,调度离患者最近的救护车辆前往。当救护车辆接到患者后,系统将根据救治医院的距离以及急诊医疗资源空闲情况自动匹配到最佳救治医院,同时救治医院也会立刻获取患者信息和救护车辆信息,提前开展救治准备。另外,在将患者送往目标救治医院的途中,救护车辆既能接收到路口控制运行信息,又能发送优先控制指令,实现救护车辆的信号优先控制,为患者提供院前院内无缝衔接的医疗救治绿色通道。
无锡市急救中心调度信息科科长吴隽表示:“传统急救车的院前急救是相对孤立的,和医院联系比较少。当5G全面覆盖120急救车后,现在病人上车就与前方接收医院达成信息共享,车上的急救人员也可以与医院急诊抢救医护团队实时沟通,进行远程医疗指导,将部分急救工作前移,为救治争取了最大化的抢救时间。”
无锡市卫生健康统计信息中心科长解明指出:“2016年就有这个设想,但当时没有5G设备和5G网络支持实现目标。急救车在高速运行的状态下,医疗数据要实现可靠、稳定的传输,远程专家要通过高清音视频设备进行远程诊疗,这些场景只能借助5G来实现。”
无锡移动项目负责人龚越表示:“新型急救车上配备有搭载高通骁龙X55 5G调制解调器及射频系统的5G智慧网擎设备,可将患者生命体征、车载OBD和现场音视频数据,通过5G急救专网,直接回传至市卫健委数据中心。救治医院也可以实时获取患者和救护车信息,提前制定抢救方案,保障急救业务的顺利开展,而5G急救专网也保证了医疗数据的安全性和可靠性。”

图为5G智慧急救车内部配备的基于高通技术的智慧网擎设备
作为全球领先的无线科技创新者,高通始终在推动5G研发、商用与实现规模化。此次5G智慧急救项目,从构想到落地,都与科技发展和5G高速网络的建设加速密不可分。5G大带宽、低时延、高可靠的特性,能够使医疗急救信息的传输速度得到显著提升,同时在物联网和车联网等技术的加持下,可以实现‘上车即入院’的目标,缩短抢救响应时间,为患者争取更大的抢救机会。高通全球高级副总裁钱堃表示:“高通非常重视与无锡有关各方共同创建5G智慧急救新模式的合作项目,期望与大家携手向前,共同继续进步,赋能中国5G产业生态。未来高通还将继续坚持‘水平式’赋能的商业模式,携手生态合作伙伴,共同助力更多物联网应用落地。”
好文章,需要你的鼓励
本文介绍LT-OPD训练框架,通过让极限压缩的多模态大模型在自己生成的内容上接受满血版模型指导,并配合渐进式课程学习,在仅保留5%视觉token时把性能保留率从68.6%提升到82.3%,且不增加推理成本。
本文解读ALIGNOPSD方法,该方法针对AI智能体训练中"决策与时间戳错配"问题,通过先对齐功能相同的决策场景再打分,并按可变长度决策段分配信用,在ALFWorld、WebShop、Search-QA三大任务上相比GRPO提升5.5%至8.7%。
本文介绍自适应一致性图(ACG)方法,通过持久化执行记忆图与预算感知的上下文构建,帮助AI智能体在长任务中减少信息失联,在多项基准测试中相比ReAct等基线方法提升了任务成功率。
多智能体AI协作时重复计算KV缓存浪费严重。PReCache提出预计算低秩缓存和中性基础缓存重构两项设计,免训练实现最高3.1倍加速、2.3倍吞吐提升,且准确率仅比不共享方案低1.1个百分点。