搜索​​​​

Hey Community, Play the new video on InterSystems Developers Bilibili官方频道: ⏯ 与 InterSystems 一起释放机器学习的力量 探索如何使用 InterSystems 的所有最新和最先进技术进行机器学习，包括 使用 SQL 和我们的 InterSystems Cloud SQL 服务进行特征工程。 使用 InterSystems IntegratedML 服务训练 ML 模型。 使用与 InterSystems IRIS 中的数据相连的 Jupyter Notebook 和 Python 训练 ML 模型。 使用 ObjectScript 和嵌入式 Python 将 ML 模型集成到应用程序中。 主讲人: 🗣 Marta Manzin, Senior Developer, InterSystems🗣 @Donald.Woodlock, Vice President of Healthcare, InterSystems🗣 @Alex.MacLeod, Director of HealthShare Commercial Initiatives, InterSystems 祝您观看愉快，并探索更多视频！👍

各位开发者好 欢迎观看InterSystems Bilibili官方频道的最新视频 InterSystems Developers Bilibili: ⏯ Understanding the Structure of HL7 FHIR Resources 了解 HL7 FHIR 资源的结构。了解如何在 HL7 FHIR 网站上查看和阅读资源的树形表示法，从而了解资源中包含的不同数据元素。此外，还可了解如何查看 XML、JSON 或 Turtle 格式的资源，以及在哪里可以找到 FHIR 资源的通用建模语言 (UML) 图。 观看新视频！

索引分析器工具用来分析索引的使用情况，对DBA和开发者非常有用。 他们需要知道那些查询进行了全表扫描，那些查询缺失了索引， 而那些索引从来又从来没有被用过。多余的索引降低系统性能，浪费了磁盘空间。 **索引使用情况** 到“管理门户”的" 系统 > SQL 性能工具 > SQL 索引分析器", 点击**“索引使用情况”**， 您将看到这样的图 执行SQL语句查询会带来更多的灵活性。上面的查询可以写成下面这个SQL, ```sql SELECT TableName, indexname, UsageCount FROM %SYS_PTools.UtilSQLAnalysisDB order by usagecount desc ``` 2016年以后的Caché版本就已经有了'索引使用情况'的查询。使用管理门户没有区别， 但SQL语句不同，使用的是比较老的类和表名，各位请参考文档。 注意上图中另外几个按钮，它们的介绍在文档的[这个链接](https://docs.intersystems.com/irisforhealth20241/csp/docbook/DocBook.UI.Page.cls?KEY=GSOD_indexes#GSOD_indexes_analyze_tool_reportoptions), 简单的做个翻译： **全表扫描的查询**: 可识别当前命名空间中进行全表扫描的所有查询。应尽可能避免全表扫描。全表扫描并非总能避免，但如果某个表有大量全表扫描，则应检查为该表定义的索引。通常情况下，表扫描列表和临时索引列表会重叠；修复一个会移除另一个。结果集列出了从最大块计数到最小块计数的表。[显示计划](https://docs.intersystems.com/irisforhealth20241/csp/docbook/DocBook.UI.Page.cls?KEY=GSOE_interpret#GSOE_interpret_showplan)链接可显示语句文本和查询计划。 **使用临时索引的查询**： 该选项可识别当前命名空间中所有建立临时索引以解析 SQL 的查询。有时，使用临时索引有助于提高性能，例如，根据范围条件建立一个小索引，然后 InterSystems IRIS 可以使用该索引按顺序读取。有时，临时索引只是不同索引的子集，可能非常高效。其他时候，临时索引会降低性能，例如，扫描主MAP以在有条件的属性上建立临时索引。这种情况表明缺少一个所需的索引；你应该在类中添加一个与临时索引匹配的索引。结果集列出了从最大块计数到最小块计数的表。[显示计划](https://docs.intersystems.com/irisforhealth20241/csp/docbook/DocBook.UI.Page.cls?KEY=GSOE_interpret#GSOE_interpret_showplan)链接可显示语句文本和查询计划。 **缺少JOIN索引的查询**： 该选项会检查当前命名空间中所有使用JOIN的查询，并确定是否定义了支持该JOIN的索引。它将可用来支持JOIN的索引从 0（无索引）排到 4（索引完全支持JOIN）。外关联需要单向索引, INNER JOIN需要两个方向的索引。默认情况下，结果集中只包含 JoinIndexFlag < 4 的记录。 JoinIndexFlag=4 表示有一个完全支持JOIN的索引。 **具有离群值Outlier索引的查询**： 该选项可识别当前命名空间中所有具有[异常值的](https://docs.intersystems.com/irisforhealth20241/csp/docbook/DocBook.UI.Page.cls?KEY=GSOD_opttable#GSOD_opttable_tunetable_selectivity)查询，并确定是否定义了支持异常值的索引。它将可用来支持异常值的索引从 0（无索引）到 4（索引完全支持异常值）进行排序。默认情况下，结果集中只包含 OutlierIndexFlag < 4 的记录。 OutlierIndexFlag=4 表示有一个完全支持异常值的索引。

人工智能不仅限于通过带有说明的文本生成图像，或通过简单的指示创建叙事。您还可以制作图片的变体，或为已有图片添加特殊背景。此外，您还可以获得音频转录，无论其语言和说话者的语速如何。让我们来分析一下文件管理是如何工作的。 问题描述 在分析 OpenAI 有关需要将文件作为输入值的方法的信息时，必须使用 multipart/form-data 提供参数。 在 IRIS 中，我们知道如何使用 JSON 内容创建对 POST 方法的调用。但在这种情况下，使用带有 Base64 格式文件内容的参数并不实用。 要在多址/表单数据（multipart/form-data）中包含文件内容，必须使用%Net.MIMEPart.类。 要在我们的调用中包含文件，应创建一个与类对象 %Net.MIMEPart 相关联的 Content-Disposition 标头 set content = ##class(%Net.MIMEPart).%New() set contentDisposition = "form-data; name="_$CHAR(34)_"image"_$CHAR(34) set contentDisposition = contentDisposition_"; filename="_$CHAR(34)_fileName_$CHAR(34) do content.SetHeader("Content-Disposition",contentDisposition) 由于我们使用请求类来保留进程的值，因此我们必须将 Base64 内容转换为流，以构成内容的主体。 我们可以使用StreamUtils实用程序将 Base64 转换为流。 注意："pImage"变量包含文件内容的 Base64 字符串。 Do ##class(HS.Util.StreamUtils).Base64Encode(pImage, .tStream) Set content.Body = tStream 不过，在 2023 年全球峰会上，我有幸从 InterSystems 专家那里学到了一个更好的技巧。他告诉我，这种执行方法比 StreamUtils 更有效，因为 StreamUtils 最后会循环读取字符串并记录到 Stream 中。这个解决方案就像使用 JSON 并将其转换为 Stream 的 Get 一样简单。 set contentfile = {} set contentfile.file = pImage set content.Body = contentfile.%Get("file",,"stream<base64") 在调用中包含了所需的所有参数后，我们就可以创建一个新的 MIMEPart 类来封装部件了。 Set rootMIME = ##class(%Net.MIMEPart).%New() do rootMIME.Parts.Insert(content) set writer = ##class(%Net.MIMEWriter).%New() set tSC = writer.OutputToStream(tHttpRequest.EntityBody) set tSC = writer.WriteMIMEBody(rootMIME) Set tContentType = "multipart/form-data; boundary="_rootMIME.Boundary set tSC = ..Adapter.SendFormDataArray(.tHttpResponse, "POST", tHttpRequest,,,url) 这就是我们如何将文件内容发送到我们在 OpenAI 中需要的方法。 Image files图像文件 图像方法允许您发送图片并进行变化。由于所有插图都必须是 PNG 格式，因此当我们以 Base64 格式指明文件内容时，文件名会随机生成，并带有 PNG 扩展名。下面是一个如何更改照片的示例。 Original Variation 正如你所看到的，程序以自己的方式解释指令。它认为公司的标志是一个圆圈，所以用另一个圆圈代替了它。它还发现办公室有一扇玻璃门，于是用另一扇玻璃门代替，但暂时用砖墙代替。此外，它还修改了衬衫的颜色，并改变了男子手臂的位置。此外，OpenIA 还允许您通过提供一个蒙版来编辑图像，蒙版上有您想要插入提示内容的区域。利用同一幅图像，我应用了一个去掉图像背景的蒙版。 Original Mask 当我要求它把我传送到牙买加海滩时，得到了如下结果： 现在，下次见到亲朋好友时，您就可以炫耀自己的假期了 😊 Image图像 Endpoint: POST https://api.openai.com/v1/images/variations 它允许你对已有的图像进行修改。由于它不需要提示您要如何修改，因此我们必须相信人工智能的品味，它会如何解释这张图片。此外，我们还可以定义大小和返回结果的方式，无论是通过链接还是 Base64 格式的内容。 输入参数如下： image: 必选 在这里，您要提及要转换的图像文件。 n: 可选. 默认为 1 在此区域，您可以决定生成图像的最大数量。(使用 1 到 10 之间的数字）。 size: 可选. 默认 1024x1024 定义图像大小，其数值必需为 “256x256”, “512x512”, 或者 “1024x1024”. response_format: 可选.默认是“url” 这个参数是关于您希望如何返回生成图像的格式。此处的值应为 "url "或 "b64_json"。 Endpoint: POST https://api.openai.com/v1/images/edits 它可以让你修改现有的图片，根据掩码文件，按照提示创建图片。此外，我们还可以指定尺寸和返回结果的方式，无论是通过链接还是 Base64 格式的内容。输入参数如下: image: 必选 如上. mask: 必选 这部分是关于所应用的蒙版图像文件. n: 可选，默认 1 如上 size: 可选，默认 1024x1024 如上 response_format: 可选. 默认是 “url” 如上 Audio files声音文件 OpenAI 管理的不仅仅是图像。我们还可以使用音频文件来获取所提供录音的转录或翻译。这种方法使用 Whisper 模型，可以区分专有名词、品牌和俚语，从而提供正确的转录和翻译。例如，将 "微型机器 "作为一个品牌来谈论，与将 "微型机器 "作为一个普通名词翻译成西班牙语是不一样的。下面的例子是对 80 年代一个著名广告插播的转录： 因此，指示 Whisper 为我们转录音频的结果如下： { "text": "This is the Micromachine Man presenting the most midget miniature motorcade of micromachines. Each one has dramatic details, terrific trim, precision paint jobs, plus incredible micromachine pocket playsets. There's a police station, fire station, restaurant, service station, and more. Perfect pocket portables to take anyplace. And there are many miniature playsets to play with and each one comes with its own special edition micromachine vehicle and fun fantastic features that miraculously move. Raise the boat lift at the airport, marina, man the gun turret at the army base, clean your car at the car wash, raise the toll bridge. And these playsets fit together to form a micromachine world. Micromachine pocket playsets, so tremendously tiny, so perfectly precise, so dazzlingly detailed, you'll want to pocket them all. Micromachines and micromachine pocket playsets sold separately from Galoob. The smaller they are, the better they are." } 多么神奇! 你觉得呢? 之所以能取得上述成果，是因为 Whisper 模型接受了训练。我们可以从 OpenAI 页面提供的下图中看到一些相关信息。 更多信息可以访问 https://openai.com/research/whisper 请记住，告知程序文件名至关重要，因为服务需要知道它正在处理的文件类型（如 WAV、MP3、OGG 等）。由于我们在调用中只包含 Base64 内容，因此还必须指明文件扩展名，以便用随机文本和建议的扩展名创建文件名。例如，St.OpenAi.Msg.Audio.AudioRequest 消息的 "类型 "属性可显示音频的种类： MP3、OGG、WAV、FLAC 等。 Endpoint: https://api.openai.com/v1/audio/transcriptions 通过这种方法，您可以将音频内容转录为有声语言。 输入参数如下: file: 必要 在这里，您可以指定要转录的音频文件（而不是文件名）。它支持以下格式： FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 或 WEBM model: 必要 用于转录的模型。目前只有 "whisper-1 "可用 language: 可选. 默认是音频语言. 如果指定的话，根据 ISO-639-1,可以提高准确率和延时. prompt: 可选. 这是一段可选的文字，用于引导模型的风格或延续上一段音频。此处的信息必须与音频语言一致。. response_format. 可选，默认为 “json”. 在这一部分中，您要明确转录输出的格式。请使用以下选项之一： "json"、"text"、"verbose_json"。 temperature: 可选，默认为 0. 采样温度应介于 0 和 1 之间。 0.8 等较高值会使输出更加随机，而 0.2 等较低值则会使输出更加集中和确定。如果设置为 0，模型将使用对数似然自动提高温度，直到达到特定阈值。 本方法的文档请参考 https://platform.openai.com/docs/api-reference/audio/createTranscription<. Endpoint: https://api.openai.com/v1/audio/translations 此方法可将音频内容翻译成英语。输入参数如下: file: 必要 它是您要翻译的音频文件（而不是文件名）。它支持以下格式： FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 或 WEBM model: 必要. 如上. prompt: 可选l. 这是一段可选的文字，用于引导模型的风格或延续上一段音频。此处的信息必须使用英语。 response_format. 可选. 默认是 “json”. 在这里，您可以用以下选项之一决定转录输出的格式： "json"、"text"、"verbose_json"。 temperature: 可选. 默认为 0. 如上 更多文档请查阅 https://platform.openai.com/docs/api-reference/audio/createTranscription. 下一步? 由于 OpenAi 在不断发展，下一次迭代将是将文本转换为音频的方法，以及其他一些新功能。如果您喜欢这篇文章，请记得点个 "赞"。

此视频帮助大家了解InterSystems如何帮助CRO来加快临床数据采集和更快地推广市场。 演讲嘉宾: Jim Coutcher, Senior Director/Principal, Global Head of Enriched Studies, Real World Solutions, IQVIAQi Li, Physician Executive, InterSystemsMatt Stannard, life Sciences Advisor, InterSystems 欢迎大家来我们的 Bilibili主页观看更多视频!

2024年3月26日，InterSystems数据平台全球主管Scott Gnau发文，宣布InterSystems IRIS数据平台新增了矢量搜索（vector search）功能。 本文作者为Scott Gnau，InterSystems数据平台全球主管。 人工智能具备变革性潜力，能够从数据中获取价值和洞察力。我们正在迈向一个几乎所有应用都将通过人工智能来驱动的世界，随之而来的，是构建这些应用的开发人员需要正确的工具从这些应用中创造体验。因此，InterSystems非常高兴地宣布这一消息——IRIS数据平台新增了矢量搜索（vector search）功能。 在使用大型语言模型时，像矢量搜索这样的工具对于从海量数据集中高效、准确地检索相关信息至关重要。通过将文本和图像转换为高维矢量，这些技术可以支持快速比较和搜索，即便处理分散在整个组织、不同数据集的数百万个文件时也是如此。 InterSystems IRIS数据平台为下一代应用提供了统一基础 在InterSystems，我们始终在探寻各种方式，使下一代数据处理尽可能地离客户数据近一些，而无需将数据传输到特定系统。将矢量搜索功能添加至InterSystems IRIS数据平台后，我们可以通过矢量嵌入（vector embedding）对数据平台进行搜索，从而增强软件在自然语言处理（NLP）、文本和图像分析相关任务中的功能。这种集成将使开发人员能够更轻松地创建使用生成式人工智能的应用程序，以完成各种用例的复杂任务，并根据InterSystems处理的专有数据（proprietary data）提供即时响应。这也意味着他们可以使用精巧的矢量化索引来完成这项工作，同时对保持内部专有产权情报的安全充满信心。 这一功能支持InterSystems IRIS数据平台管理和查询内容及相关的密集矢量嵌入，特别是能够与RAG集成，开发基于生成式人工智能的应用。随着可用工具集的快速发展，无缝RAG集成可支持新模型和用例的敏捷采用。 这项技术能够给客户带来哪些益处？ BioStrand是一家依赖于人工智能的药物发现公司，也是InterSystems创新计划（InterSystems Innovation Program）的一部分（该计划帮助初创企业在我们的IRIS平台上构建应用）。BioStrand的核心产品是Lensai平台，这是一种多功能解决方案，支持包括抗体药物发现和设计在内的各种应用。通过先进的算法，Lensai可以迅速识别并设计新型药物化合物，大大缩短了从开发到商业化的研发时间。该模型将采用先进堆叠技术的大型语言模型（LLM）的优势与BioStrand的专利技术HYFT独特地结合在一起。 HYFT是一种嵌入类型，在生物序列中充当独一无二的“指纹”，使BioStrand能够高精度地分配来自不同LLM的嵌入。这个基础模型代表着一个庞大且不断扩展的知识图谱，在6.6亿个数据对象中映射了250亿种关系，令人印象深刻。这个全面的图谱将整个生物圈的序列、结构、功能以及书目信息相互连接在一起。它还融合了检索增强生成、SQL矢量搜索等尖端技术，以及LLM的生成能力和知识图谱的语义表达能力。 矢量搜索将从根本上改变开发人员与IRIS的交互方式 在实施这项技术方面，我们还只是刚刚起步。随着客户与数据的交互方式因矢量搜索而得到改变，随着新的人工智能应用不断通过应用矢量搜索而得到开发，我们将分享更多客户故事。与此同时，我也推荐您访问我们的矢量搜索页面，了解更多信息。 我们加速创新，确保客户成功，并展示对卓越的承诺，与此同时，我们致力于维护最高标准的隐私、安全和责任，这将引导我们以一种深思熟虑、公正的方式对待人工智能，从而创造信任。我们相信，透明度、责任感和可解释性是建立对人工智能系统的信任并推动其创新的关键。

2024年3月29日-3月31日，由国家卫生健康委医院管理研究所主办、《中国数字医学》杂志社有限公司承办的“2024中华医院信息网络大会（CHINC）”将在青岛国际会展中心（红岛馆）举办。InterSystems诚邀您莅临展会，我们带来了内容丰富的Demo演示，包括：InterSystems IRIS 2024.1新特性、 InterSystems IRIS矢量存储和矢量查询、InterSystems FHIR数据资产化解决方案，以及InterSystems IRIS医疗版互联互通套件解决方案。 2024 CHINC期间，InterSystems在合作伙伴东华医为展位（B3馆-A02）设立Demo演示区，即日起即可预约现场Demo咨询，欢迎点击【此处】注册预约。 Demo演示详情 Demo演示: InterSystems IRIS 2024.1新特性 欢迎点击【此处】注册，预约Demo咨询 矢量查询 快速联机备份 (EAP) 多超级服务器端口SuperServer Ports FHIR R4 and R5 Object Model Generation IRIS for Health 支持 Smart on FHIR 2.0.0 FHIR查询的性能提升 新的监控指标 嵌入式Python BPL editor 灵活的Python版本设置 Demo演示: InterSystems IRIS矢量存储和矢量查询 欢迎点击【此处】注册，预约Demo咨询 InterSystems IRIS 提供全SQL的矢量存储和基于矢量相似度矢量查询能力 让业务数据无需迁移到其它平台就可以矢量化存储和查询 进一步通过集成矢量化语言模型、生成式语言模型，利用本地数据实现检索增强生成 Demo演示: InterSystems FHIR数据资产化解决方案 欢迎点击【此处】注册，预约Demo咨询 数据作为生产要素推动数字经济已成为我国国策。要让数据成为生产资料参与交易，则需满足两个条件：其一是建立数据生产、流通、消费环节中数据语义的一致性，使数据质量可被控制，数据价值可被度量；二是对数据进行按需加工，形成品类众多的半成品、预制件，以便适应各类业务场景的需要。也即：交易双方应对数据的含义和价值达成共识，这是能够交易的前提——这也正如在中国制造业高速发展的三十年中，标准化部件和预制件之于大规模生产的作用一样。 数据资产清单就是一种有助于在交易双方建立共识、进一步计量计价的有力工具。在医疗行业，FHIR可以成为语言基础，而SQL Builder则提供了FHIR数据资产清单。因此，“FHIR 存储库+SQL builder”能够构成盘活数据资产价值的解决方案。 InterSystems作为深耕医疗行业40余年的专业厂商，在IRIS for Health（IRIS医疗版）数据平台中，借助HL7 FHIR标准提供的语义基础，推出了集FHIR存储库、SQL Builder、FHIR API等功能于一体的医疗行业数据资产解决方案，用于满足医疗数据资产化的业务需要。 在本次解决方案展示中，我们将演示如何基于FHIR进行数据资产盘点，如何按需投放资产支撑数据集需求和数据应用，一遍盘活已成规模的行业数据。包括：1）使用SQL Builder投射SQL数据，在SQL上进一步支撑以数据集为基础的业务（数据集交易或BI），其中按需投放、最小化原则是重要的规约，而IRIS提供了这两种规约的直接支持。2）使用API支撑的业务，不仅仅是使用CRUD操作，FHIR的Search操作对于支撑CDSS等业务具有重要意义。 Demo演示: InterSystems IRIS医疗版互联互通套件 欢迎点击【此处】注册，预约Demo咨询 InterSystems IRIS医疗版互联互通套件是一个全面的解决方案，提供了一整套工具和标准，旨在支持互联互通成熟度测评和通过测评之后的数据利用。它提供了满足互联互通成熟度测评的符合性基础，包括数据元与值集标准以及基于互联互通规范的69个服务和53个电子病历共享文档。此外，该套件还赋能数据利用，能够将电子病历共享文档转换成FHIR资源并存储，通过FHIR SQL Builder实现FHIR资源到SQL表的转换，从而支持数据分析，这一功能打通了互联互通和FHIR生态系统，促进了医疗数据的流动和分析。 更多活动｜答问卷，领取《FHIR白皮书》！ 由HL7中国委员会主持撰写的《FHIR白皮书》包含FHIR的设计路线与版本、基本用法、核心定义解读与适配、FHIR的发布实施、本地化方法、国外典型实践和案例、国内案例、基于FHIR的参考架构等丰富的内容。欢迎点击【此处】答问卷，领取《FHIR白皮书》！

本文汇聚了与FHIR相关的内容，包括新闻资讯、线上研讨会、视频、客户案例、行业洞察等，欢迎收藏保存！ 01| 新闻资讯 InterSystems IRIS医疗版互联互通套件3.0版发布：助力用户快速验证标准符合性，推动互联互通项目价值落地（2023年） InterSystems IRIS医疗版互联互通套件2.0版支持国内互联互通标准转换为FHIR标准，提升数据易用性（2022年） InterSystems发布InterSystems IRIS医疗版互联互通套件，加速医院互联互通平台建设（2021年） 技术总监答疑 | 我们为什么要做InterSystems IRIS医疗版互联互通套件？ InterSystems IRIS® FHIR®加速器服务赋能医疗数据，实现轻松检索和储存（2021年） InterSystems加入Vulcan FHIR® 加速器™计划，将数据互操作能力扩展至生命科学领域 02 | 线上研讨会 扫码看回放 | FHIR研讨会：如何有效利用数据核心资产？ 医疗行业的生态创新：如何实现数据利用和应用创新 辨析互联互通测评方案新旧版，多位专家线上解读国内外互联互通标准与实践 报名观看 | 加速测评！InterSystems IRIS医疗版互联互通套件研讨会 03 | 视频（及视频文字版） 对话：“数据二十条”与FHIR标准 【文字版】对话：“数据二十条”与FHIR标准 如何准确理解FHIR能力？医疗IT行业的数据交换和共享难题如何破？ 借助FHIR，医疗信息系统如何获得真正的互操作性？ 基于FHIR的数据利用，轻松应对数据共享需求 InterSystems IRIS哪些新特性让用户开发体验得到了极大提升？ FHIR的设计理念与关键构成：助力您提高互操作性 深度解读：FHIR标准和国际互联互通实践 FHIR分享：FHIR扩展原则、工具及示例 Smart On FHIR用例：儿童生长发育曲线 Smart On FHIR用例：心血管疾病风险预测 FHIR分享：FHIR 实施指南创建及发布 互联互通套件产品用例：互联互通文档转FHIR 04 | 客户案例 共推互联互通标准，加速FHIR本地化进程，InterSystems携手合作伙伴共同助力北京友谊医院开展专项课题研究 香港大学深圳医院：通过一体化系统推动数字化转型与智慧医院建设 通过Health Connect Cloud，InterSystems帮助Pria改善患者结果，简化居家医疗健康护理流程 InterSystems IRIS医疗版™携手First Line Software，共同简化i2b2社区临床研究工作流程 日本柯尼卡美能达采用InterSystems IRIS 医疗版™：助力医学影像设备基于FHIR实现快速数据集成 处理大量影像数据：利用AI和临床数据创建新一代企业级影像应用 05 | 行业洞察/深度解读 FHIR标准和国际基于FHIR的互联互通实践 医院数字化转型之数智底座建设思路 通过智能数据编织（Smart Data Fabric）应对数据挑战 开发者社区精选 | 漫谈应用集成的现在与未来（上）：什么是应用集成？互操作≠集成 开发者社区精选 | 漫谈应用集成的现在与未来（中）：什么是集成平台？集成平台概念辨析与定义 开发者社区精选 | 漫谈应用集成的现在与未来（下）：集成方案与评价，以及应用集成的发展 行业洞察 | InterSystems开发者关系主管Dean：集成FHIR，改变游戏规则 行业洞察|全面释放医疗互操作性的益处：下一个前沿 老牌知名医疗技术公司可以从创业公司身上学习什么？ 抓住FHIR：医疗数据的API管理 InterSystems 2022.2：令企业级应用研发更高效 行业洞察：为什么互操作性对医疗科技产业至关重要 以FHIR推动数据资产生态建设，赋能医院高质量发展 InterSystems技术令HL7 FHIR创新简洁而迅速 InterSystems FHIR 服务器：助力您更快地开发医疗健康应用程序

InterSystems IRIS ®,InterSystems IRIS ® for Health TM和HealthShare ® Health Connect 2024.1版现已全面上市 (GA)。 发布亮点 在此版本中，您可以期待许多令人兴奋的更新，包括： 在ObjectScript中使用向量Vector: 一种强大优化数据操控的能力. 向量搜索Vector Search (试验性): 行业领先的高效数据检索. 多卷数据库: 增强可扩展性和存储管理. 快速在线备份FastOnline Backup (试验性): 优化备份流程. 多种端口支持Multiple Super Server Ports: 提供网络配置的灵活性. FHIR 2.0.0 支持 Smart FHIR R4 对象模型生成 改进了 FHIR 查询的性能 删除专用 Web 服务器 (PWS) 。 请通过开发者社区分享您的反馈，以便我们共同构建更好的产品。 文档 有关所有突出显示功能的详细信息可通过以下链接获得： InterSystems IRIS 2024.1 文档、 发行说明以及已弃用和停产的技术和功能。 InterSystems IRIS for Health 2024.1 文档、 发行说明和升级清单。 HealthShare Health Connect 2024.1 文档、 发行说明和升级清单。 此外，请查看此链接以获取与此版本相关的升级信息。 抢先体验计划 (EAP) 现在有很多 EAP 可用。查看此页面并注册您感兴趣的人。 如何获取软件？ 与往常一样，扩展维护 (EM) 版本附带适用于所有受支持平台的经典安装包，以及 Docker 容器格式的容器映像。 经典安装包 安装包可从 WRC 的 InterSystems IRIS for Health 的扩展维护版本页面和 HealthShare Health Connect 的HealthShare 完整套件页面获取。此外，还可以在评估服务网站上找到套件。 InterSystems IRIS Studio 在该版本中仍然可用，您可以从 WRC 的组件分发页面获取它。 供货情况和套餐信息 此版本附带适用于所有受支持平台的经典安装包，以及 Docker 容器格式的容器映像。有关完整列表，请参阅支持的平台文档。 安装包和预览密钥可从 WRC 的预览下载站点或通过评估服务网站获取（使用标记“显示预览软件”来访问 2024.1）。 此开发者预览版的内部版本号是： 2024.1.0.263.0 。 容器镜像可从InterSystems 容器注册表获取。容器被标记为“ 2024.1 ”或“latest-em” 。