Как EviMed предоставляет аналитические данные для здравоохранения на основе ИИ с помощью масштабируемого векторного поиска Zilliz Cloud
30%
сокращение затрат на эксплуатацию и обслуживание внутренних систем
8%
увеличение скорости ответа клиентам
10%
повышение точности результатов поиска
Простота Plug-and-Play
минимизирует накладные расходы на разработку и DevOps
After integrating Zilliz Cloud vector database service, our system performance has significantly improved. During implementation, the Zilliz Cloud expert team provided excellent support and assistance, giving our EviMed platform a strong competitive advantage in the industry.
Dr. Zeyuan Wang
О EviMed
EviMed — это компания в сфере медицинских технологий, стремящаяся расширить возможности медицинских специалистов с помощью решений на базе ИИ. Ее платформа использует большие данные и искусственный интеллект для поддержки принятия клинических решений, медицинских исследований, образования и управления здравоохранением. Предоставляя в режиме реального времени основанные на доказательствах медицинские знания и рекомендации по лечению, EviMed позволяет клиницистам принимать более быстрые и более информированные решения непосредственно в месте оказания помощи. Платформа также упрощает исследовательские рабочие процессы, анализируя большие объемы медицинской литературы, что делает ее незаменимым инструментом для исследователей и преподавателей. Для администраторов здравоохранения EviMed предоставляет основанные на данных аналитические сведения, которые поддерживают более эффективное управление и разработку политики.
На сегодняшний день EviMed поддержала более 300 крупных больниц третичного уровня, обеспечила более 13 миллионов поисковых запросов по медицинским знаниям и клинических сессий вопросов и ответов, а также внесла вклад в создание более 800 000 единиц медицинского контента. С миссией повысить точность, эффективность и результаты медицины EviMed трансформирует то, как специалисты здравоохранения получают доступ к медицинским знаниям и применяют их на всем континууме оказания помощи.
Вызовы: Навигация по сложностям медицинских знаний в масштабе
Отрасль здравоохранения по своей природе сложна — она характеризуется огромной информационной асимметрией, специализированными системами терминологии и сильно фрагментированными областями знаний. Для EviMed эти вызовы усиливались их миссией предоставлять быстрые, основанные на доказательствах ответы в масштабе.
EviMed создала обширную базу медицинских знаний с более чем 350 миллионами записей, что делает ее одной из самых комплексных в отрасли. Однако масштаб и глубина этих данных привели к нескольким техническим узким местам:
Неточные или неполные результаты поиска: Традиционные методы полнотекстового поиска с трудом справлялись с нюансами медицинского языка. Из-за размытых границ ключевых слов и пересекающейся терминологии часто было трудно найти наиболее релевантные результаты. Пользователи часто сталкивались с проблемами точности и полноты поиска, что приводило к неудовлетворенности и жалобам на ограниченный охват.
Ограничения производительности и надежности: Существующая инфраструктура не могла стабильно обеспечивать низкую задержку и высокую надежность, необходимые для клинических сред, где важны секунды. В результате поисковые операции часто были медленными или нестабильными.
Проблемы масштабирования и затрат: С продолжающимся ростом бизнеса EviMed требовалось решение, которое могло бы эластично масштабироваться для обработки растущих потребностей в хранении и извлечении векторов без резкого увеличения операционных накладных расходов.
Поддержка расширенных типов поиска: Их сценарии использования требовали большего, чем просто поиск по плотным векторам. Платформе нужно было поддерживать поиск по плотным и разреженным векторам, а также гибридные запросы «ключевые слова-векторы», чтобы охватить весь спектр медицинской семантики.
Требования технической совместимости: Бэкенд-инфраструктура EviMed в значительной степени опиралась на Java, поэтому новое решение также должно было предлагать надежную поддержку Java SDK для бесшовной интеграции.
Как выразился д-р Цзэюань Ван, генеральный директор EviMed: «Как искать наиболее точные медицинские знания и представлять их наиболее рациональным образом — это главная техническая задача, с которой сталкивается наша медицинская платформа».
Почему выбрали Zilliz Cloud?
После тщательной оценки и взаимодействия с командой Zilliz EviMed определила Zilliz Cloud как идеальное решение для своих потребностей. Их решение было основано на нескольких ключевых факторах:
Универсальные возможности поиска: Zilliz Cloud поддерживает разнообразные механизмы поиска, включая поиск по плотным векторам, поиск по разреженным векторам и поиск по ключевым словам.
Масштабируемость: Платформа предлагает эластичное масштабирование для поддержки растущих потребностей в хранении и поиске векторов.
Экономическая эффективность: Zilliz Cloud предполагает более низкие операционные затраты по сравнению с альтернативами.
Совместимость с Java: Решение обеспечило хорошую совместимость с их существующими системами на базе Java.
Экспертная поддержка: Команда экспертов Zilliz Cloud предоставила отличную поддержку и помощь при внедрении.
Как Zilliz Cloud преобразовал операции EviMed
EviMed успешно перенесла десятки миллионов векторных данных в Zilliz Cloud, обеспечив работу двух своих ключевых бизнес-модулей:
Поиск медицинских знаний: Ускоряет доступ к релевантным и точным медицинским знаниям.
Поддержка клинических исследований: Обеспечивает эффективный интеллектуальный анализ медицинской литературы, руководств и фармацевтических данных.
Zilliz Cloud стал краеугольным камнем платформы EviMed, обеспечив значительные улучшения производительности, интеллектуальности и масштабируемости по всем направлениям.
1. Более быстрый и точный поиск данных
Zilliz Cloud значительно повышает как скорость, так и точность поиска медицинских знаний EviMed. Медицинские специалисты теперь могут быстрее получать ответы на клинические вопросы, что приводит к более быстрому принятию решений и лучшим результатам для пациентов.
2. Более глубокие клинические инсайты благодаря передовому анализу данных
В таких сценариях, как клинические испытания и фармацевтические оценки, Zilliz Cloud обеспечивает высокоразмерный векторный анализ для извлечения ключевых инсайтов из сложных наборов данных — медицинской литературы, рекомендаций по лечению и инструкций к препаратам, — повышая скорость и качество как качественных, так и количественных результатов исследований.
3. Предоставление долговременной памяти для AI Agents
Zilliz Cloud также предоставляет критически важные backend-возможности для модулей анализа данных EviMed на базе ИИ. Вместо загрузки больших объемов контекста в LLMs, что дорого и неэффективно, EviMed использует Zilliz Cloud для хранения и извлечения долговременной памяти для AI Agents с помощью векторного поиска. Это не только поддерживает более интеллектуальные рабочие процессы, но и значительно снижает операционные затраты.
4. Совместимость и эластичная масштабируемость
Готовая совместимость Zilliz Cloud с Java и поддержка гибридного поиска, включая плотный векторный, разреженный векторный и поиск на основе ключевых слов, обеспечивают бесшовную интеграцию в существующую инфраструктуру EviMed. Его полностью управляемая облачно-нативная архитектура также позволяет команде легко масштабироваться по мере роста бизнеса.
Ключевые преимущества и результаты
Внедрение Zilliz Cloud принесло EviMed существенные преимущества:
Улучшенный клиентский опыт
увеличение на 8% скорости ответа клиентам
улучшение на 10% точности результатов поиска
Операционная эффективность
снижение на 30% затрат на эксплуатацию и обслуживание внутренних систем
Простота plug-and-play минимизирует нагрузку на разработку и DevOps
Расширенные возможности поиска
EviMed устранила проблему "нет результатов поиска", которая мешала их предыдущему решению. Медицинская терминология разнообразна: заболевания часто имеют множество подгрупп и уточняющих признаков. Например, сложный запрос вроде "advanced gastric or gastroesophageal junction adenocarcinoma in patients previously treated with fluoropyrimidine- or platinum-containing chemotherapy" был бы сложен для традиционных систем полнотекстового поиска. Комбинированные возможности Zilliz Cloud по векторному поиску и полнотекстовому поиску на основе ключевых слов обеспечивают гибридный поиск, который стабильно выдает релевантные результаты.
Превосходные возможности поиска
Zilliz Cloud помог устранить раздражающие проблемы “no result found”, которые мешали их предыдущему решению, особенно в сложных, многоаспектных запросах. Например, поиск вроде:
“Advanced gastric or gastroesophageal junction adenocarcinoma in patients previously treated with fluoropyrimidine- or platinum-containing chemotherapy” перегрузил бы традиционные системы полнотекстового поиска.
Гибридный поиск Zilliz Cloud, объединяющий векторный семантический поиск с полнотекстовым поиском на основе ключевых слов, выдает высокорелевантные результаты даже в самых нюансированных клинических контекстах.
Предоставление памяти для их AI Agents
Модуль анализа данных EviMed опирается на набор AI Agents. Передача всей фоновой информации в большие языковые модели была бы чрезмерно дорогой. Zilliz Cloud хранит эту фоновую информацию и извлекает ее с помощью векторного поиска в соответствии с потребностями Agent, снижая зависимость от длинного контекста больших моделей и уменьшая затраты на анализ данных.
Перспективы
Партнерство между EviMed и Zilliz обеспечило платформе медицинских знаний возможности для дальнейшего роста и инноваций. Как отмечает доктор Цзыюань Ван, CEO EviMed: «После интеграции сервиса векторной базы данных Zilliz Cloud производительность нашей системы значительно повысилась. В ходе внедрения экспертная команда Zilliz Cloud предоставила отличную поддержку и помощь, обеспечив нашей платформе EviMed сильное конкурентное преимущество в отрасли».
Имея Zilliz Cloud в качестве основы, EviMed продолжает продвигать свою миссию — делать медицинские знания более доступными и применимыми для специалистов здравоохранения по всему миру.