科研转化效率跃升3倍，曙光携手中山大学附属医院共筑精准医疗算力基石

传统算力架构在应对精准医疗需求时,往往出现算力不足等捉襟见肘的情况。此前,中山大学附属第一医院精准医疗算力中心曾面临三大核心挑战:高并发医疗数据实时分析效率低下、AI模型训练周期过长、跨中心协同计算存在数据孤岛。这些瓶颈严重制约了从基因组测序到临床决策的全链条效率。

针对医疗场景独特需求,曙光以"超智融合"技术为核心,构建起三大高性能计算创新体系:

一、异构计算集群突破算力天花板

基于CPU GPU混合架构打造的PB级存储异构集群,让全基因组测序数据比对分析时间从4小时压缩至30分钟,计算效率提升20倍。这种超高通量生物信息分析体系,为万人队列研究等大规模数据处理提供了强大引擎。

二、多模态数据智能融合体系

通过整合基因组学、影像组学、临床组学等多维度数据,曙光平台自研算法库可在48小时内完成肿瘤患者个性化用药方案生成,结合基因变异与影像特征的分析,让临床决策效率提升40%,并在肺癌精准治疗场景中,实现从基因检测到靶向方案的全流程加速。

三、“云边端”协同诊疗网络

依托微服务架构协同体系,曙光平台既能支撑院内大规模队列分析,又可通过边缘计算节点为临床科室提供实时辅助诊断。在罕见病诊疗中,曙光平台可在10分钟内完成病理影像与基因数据的跨模态匹配,将单样本分析时效压缩至30分钟,显著提升疑难病例的诊疗响应速度。

曙光平台采用国产化软硬件适配与弹性扩展架构,形成可复制的精准医学数字底座。随着医疗数据智能时代的到来,这种“算力 算法 场景”的深度融合模式,正为智慧医疗发展开辟新路径,推动精准医疗从科研向临床的高效转化。