如今，关于大语言模型、人工智能等的消息不绝于耳。向量数据库是其中的一部分，并且已经有非IRIS的技术实现了向量数据库。

为什么是向量？

• 相似性搜索：向量可以进行高效的相似性搜索，例如在数据集中查找最相似的项目或文档。传统的关系数据库是为精确匹配搜索而设计的，不适合图像或文本相似性搜索等任务。
• 灵活性：向量表示形式用途广泛，可以从各种数据类型派生，例如文本（通过 Word2Vec、BERT 等嵌入）、图像（通过深度学习模型）等。
• 跨模态搜索：向量可以跨不同数据模态进行搜索。例如，给定图像的向量表示，人们可以在多模式数据库中搜索相似的图像或相关文本。

还有许多其他原因。

因此，对于这次 pyhon 竞赛，我决定尝试实现这种支持。不幸的是我没能及时完成它，下面我将解释原因。

有时，InterSystems 必须重新发布版本以纠正 1-2 个问题。此过程会生成称为“小数点版本”的新套件。

InterSystems 常见问题解答

通过在持久类（=table）定义中提供的%BuildIndices() 方法的参数中指定要重建索引的 ID 的开始值和结束值，您可以仅重建该范围内的索引。

例如，要仅针对 ID=10 到 20 重建 Sample.Person 类中的 NameIDX 索引和 ZipCode 索引，请执行以下代码（ID 范围在第 5 个和第 6 个参数中指定）。

今年两会期间，有多名两会委员联名提出了《关于建设全国统一医院电子病历系统的提案》，国家卫健委相关部门也马上给予回应，称正在研究建立全国统一的电子健康档案、电子病历。结合数字中国的主要目标之一，让数据多跑腿，群众少走路，在这一背景下，从患者端开始，建立全国统一的电子病历APP已经变得迫切而重要。这不仅有助于提高医疗服务的效率和质量，还能够让患者更好地参与到医疗决策中，实现信息的共享和整合。

电子病历与患者共享的必要性和重要性

受到@Evgeny.Shvarov 的问题和@Ashok.Kumar 的回复的启发
我已经创建了一个用于把Global下载成 XML 文件的基础

如何使用：
只需调用 http://<your_server>/csp/samples2/dc.Gdown.cls ?GBL=global_name之类的页面
gbl-name 不带首字母 ^（插入符号）

输出具有默认名称 <global_name>.XML 您可以选择。

已知限制：

大家好，

与我们一起参加 8 月 31 日上午 10 点（美国东部时间）在线开发者圆桌会议，讨论医疗保健中的生成式 AI 使用案例。
学习医疗保健领域的用例+参考架构，并观看关于大语言模型的Demo演示。我们将像往常一样有时间进行问答和公开讨论。

通过开发者社区Global Masters报名。

演讲者： @Nicholai Mitchko ，InterSystems 解决方案合作伙伴销售工程师经理

背景： Nicholai 在 InterSystems 管理着一支由 10 名解决方案工程师组成的团队，帮助医疗保健公司大规模设计、开发和交付解决方案。在业余时间，Nicholai 致力于大型语言模型的研究，包括开发自己的模型，这些模型出现在Huggingface OpenLLM 排行榜上。

这是个实验项目，使用OpenAI API与FHIR资源和Python相结合来回答医疗行业的用户提问。

项目想法

生成式人工智能，如OpenAI上提供的LLM模型, 已被证明在理解和回答高层次问题方面具有显著能力。他们使用大量的数据来训练他们的模型，因此他们可以回答复杂的问题。

他们甚至可以使用编程语言，根据提示创建代码 --我不得不承认，让我的工作自动化的想法让我感到有些焦虑。但到目前为止，似乎这是人们必须要习惯的事情，不管你喜不喜欢。所以我决定做一些尝试。

众所周知，人工智能的世界已经到来，每个人都想利用它为自己谋取利益。

有许多平台通过订阅或私人免费提供人工智能服务。然而，由于在计算领域产生的大量“噪音”而脱颖而出的是 Open AI，这主要归功于其最著名的服务：ChatGPT 和 DALL-E。

什么是Open AI？

Open AI 是一个非营利性人工智能研究实验室，由 Sam Altman、Ilya Sutskever、Greg Brockman、Wojciech Zaremba、Elon Musk、John Schulman 和 Andrej Karpathy 于 2015 年发起，旨在促进和开发友好的人工智能，造福于人类所有的。

在数字化时代，数据的重要性无可置疑。数据作为新型生产要素，不仅在宏观政策层面得到党和政府的大力推动，也是医院高质量发展的关键和改变医疗行业的驱动力。随着医疗信息化的迅猛发展，我们正迈向一个数据随处可及、人人可用易用的医疗信息化时代。这一时代将数据与人的需求相结合，致力于让数据能“主动”找到需要他们的医护人员和患者，每一个行业从业者，都应致力于为医护人员和患者提供简单易用的软件解决方案，减少工作量，提高效率，推动医疗行业的进步。

数据与人的融合是实现医疗行业数字化转型的核心。当然，医疗数据的收集、存储和管理对于提供高质量的医疗服务至关重要。然而，仅仅有大量的数据并不足够，我们需要将数据与人的需求紧密结合起来。这意味着我们应该让更多的数据关联起来，并且能服务于更多的人群，让患者能够随时随地访问他们的电子病历，让医生和科研人员也能及时有效地获取病人在医院围墙内外进行治疗和健康管理的数据，并且以直观易懂的方式呈现给医护人员和患者，使他们能够快速、准确地获取所需的信息。数据的融合还包括将不同来源的数据整合起来，为医护人员提供全面、完整的视图，同时基于医疗诊断的规则，不管是通过CDSS的形式，还是通过ChatBot（聊天机器人），帮助他们做出更好的决策。