月度归档： 2024年2月

去年中旬的一天，我们科务会集体学习了部门草拟的两个文件，一个是数据权限管理，一个是应急预案管理。

文件概述

应急预案的文件，主要是讲医院可能涉及的安全事件，根据影响进行分级，启用相应的应急预案，并规范应急预案的具体内容和责任部门。

权限管理的文件，讲的是医院包含哪些主要业务系统，系统各自具有什么权限，具体哪个部门负责管理这些权限，什么情况下异动，如何实现统一管理。

领导看完权限管理的全文后，提了一个很现实的问题：医院现有系统这么多，是否有一个系统能统一管理所有用户的权限？

现状分析

确实，由于历史原因，我们单位业务系统众多，HIS、EMR、LIS、PACS，C财务、人事等等。

大部分系统都是由不同公司的不同团队独立开发的，账号和权限都是分开管理的，这是典型的烟囱式开发。

以前人员相对固定、系统相对较少的时候还没啥问题。当一个员工拥有超过2个以上的系统功能时候，事情就变得复杂了。

一是用户体验感不好。当员工拥有系统1和系统2的权限时，管理人员需要到对应系统去创建账户和分配权限，多个系统就要多次配置账号和权限。使用的用户也需要记住多个系统的账号和密码；

二是管理和维护困难。每新购一个系统就有一套账号权限体系，涉及人员同步和权限授权。没有一个地方知道一个员工拥有哪些系统的哪些权限（如领导问的问题一般），人员异动的时候会麻烦且容易遗漏；

三是不利于进行数据收集与分析。由于各个系统账号是独立存储的，不利于后续收集这些用户的使用数据，更别提对数据进行统计处理和分析了。

权限管理模型

因此，若有一个能对全院用户的系统、功能及数据的授权和收回的系统，基本能解决上面提到的几个问题。

我调研了一下现有多系统权限管理的实现方式。业内一般采用功能权限和数据权限两种方式。

数据权限是更细粒度的控制，强依赖客户组织架构和具体业务的关系，实现起来会比较复杂。

而功能权限比较常见，有很多的通用框架和设计。有ACL、RBAC、ABAC几种模型。

如何落地

那针对我们单位现状，如何实现用户权限的集中授权和收回管理呢？

最理想的情况，应该是有一套单独的权限系统或者数据中台，能管理注册所有系统并提供鉴权服务，有一个key负责统一管理。但这需要对已有系统进行确权的改造以及对规范新系统的接入流程。考虑到成本和投入，实施难度较大。

退一步的方式，就是能有一个平台记录全院所有已上线的系统，通过这个系统记录每个人在各系统具有的权限内容，有一个界面提供查询和管理。但是如果业务系统的授权修改了，平台却没有同步的话，还是会导致数据的滞后。但是至少比没有系统记录还是要好很多。

最简单的方式，是摸底统计每个员工开通了哪些系统，拥有哪些功能权限。这个方式只是一次应付检查，不推荐。

目前我们的集成平台已经实现了主要业务系统的注册管理和单点登录，至于权限管理，也覆盖了一些同品牌厂商的系统，其他系统的覆盖，需要做一定的升级和业务系统改造。

写在最后

随着业务的发展、技术的进步和管理的加强，现在医院的信息化管理面临不小的挑战。

牵涉到患者体验、医疗质量、成本效益、精细化管理等多个维度。

在有限的资源投入下，逼迫管理者一方面探索优化现有架构和尝试引进新技术，一方面又不得不集中精力解决当前面临的主要问题。

有些重要非紧急事情就慢慢搁置，直到某一天冒头或被重新提起。

有时技术方案的优劣反而不是最主要的了，短平快地解决当前的问题就好了。

至于以后有没有什么问题，以后自会有人想办法解决。

扯远了。大家有好的技术解决方案，欢迎和我一起交流啊。

二、笑来老师的建议

讨论一番后，我分享了笑来老师在课程里的，针对这个问题的三点建议：

三、我的思考

四、写在最后

孩子是上帝送给我们的礼物，但我们也应尊重他们是独立的个体。

本文共1448字，阅读大约需要5分钟。

（2023年6月20日记录，2024年2月19日修改）

你好哇，我是徐泽全，一个践行“早跑读写冥”的终身学习者。

大年初九，恭祝开工大吉。

今天分享橙子2023年7月一篇在二年级时的日记。

（为了鼓励橙子每天回顾并记录自己的经历，我在做一个“橙子日记”系列，持续分享他的AI+语音及文字日记，锻炼他写作能力的同时，用文字见证他的成长。文章已征得橙子同意后发布，所有赞赏均转交给他本人）

本文共1585字，阅读大约需要4分钟。

（2023年7月1日记录，2024年2月18日排版）

我曾在推文「思考技术发展背后的因果关系：适应这个复杂的世界」里，和橙子一起研究学习了人工智能和ChatGPT的概念、原理和发展历史，并提到ChatGPT使用的底层技术包含贝叶斯定理。

今天就和大家一起复习贝叶斯定理，内容可能有点长，请耐心看完。

ChatGPT如何运用贝叶斯定理？

简单来说，ChatGPT是通过大规模的语义训练，形成了一个模型。这个模型可以基于你输入的问题，通过贝叶斯定理来把你的输入和它生成的输出统一作为再输入的语料，通过算法计算出一个最大概率的下一个字。然后不断地这样的迭代循环，生成出一篇你看起来无懈可击的答案。

再延伸说一点，训练出的模型之所以能达到这种效果，是因为有神经算法。

神经算法是模仿人脑的思维，像神经元的连接，每个输入有一个权重，这些输入通过中间的路径得到一个输出。从中找到权重最大的路径，生成需要的输出结果。

ChatGPT就是基于神经网络的大规模应用。 ChatGPT 1.0版本的神经网络路径有一点几亿个，结果没有那么理想。ChatGPT 3.5模型的神经网络达到了1400亿个，超过了人类的神经元数量，它生成的结果已经很接近人类的输出效果了^[1]。GPT 5模型使用先进的架构，更广泛和多样化的训练数据集，更好的语言建模能力，以及多语言支持，能给人更惊艳的效果。

贝叶斯定理

贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761年) 发展，主要公式为：

贝叶斯定理，主要讲的是一个先验概率，就是已知条件A发生时，条件B会发生的概率。

我们用一个生活中的案例来理解贝叶斯公式^[2]。

比如说有一个新冠检测试纸的敏感度与可靠度均为99%，也就是能测量出新冠的人是阳性的概率是99%，测量出未得新冠的人是阴性的概率也是99%。

我们可能觉得这个试纸比较可靠，但是贝叶斯定理却告诉我们并非如此。

假设一个公司出现了新冠感染病例（已知为0.5%），现要对全员进行新冠核酸检测，请问某人检测是阳性时确实是新冠感染者的概率是多少？

我们可能会觉得这还用问吗，既然测出来是阳性，那这个人99%是新冠感染者了。实际上这种概率只有30%多。

为什么会有这么大的差别？这就要用到贝叶斯定理。

贝叶斯定理应用案例

假设“CO”为该公司员工新冠感染事件，“NCO”为该公司员工非新冠感染事件，“+”为该公司员工检测呈阳性事件。

员工感染新冠的概率：P(CO) = 0.005。因为前面我们假设了病例为0.5%，所以这个值就是CO的先验概率。

员工未感染新冠的概率：P(NCO) = 1-P(CO) = 0.995。

新冠感染者阳性检出率：P(+|CO) = 0.99。这是一个条件概率同时也是先验概率，因为试纸的阳性检测准确性是99%。

非新冠感染者阳性检出率：P(+|NCO) = 0.01。也就是检测出错的概率，因为对于非新冠感染者，其检测为阴性的概率为99%，因此，其被误检测成阳性的概率为1-99%。

不考虑其他因素的阳性检出率：P(+) = 0.0149，也就是检测呈阳性的先验概率。

我们可以通过全概率公式计算出P(+)来：

P(+) = 新冠感染者阳性检出率+ 非新冠感染者阳性检出率
= P(CO) × P(+|CO) + P(NCO) × P(+|NCO) 
= 0.005 × 0.99 + 0.995 × 0.01 
= 0.00495 + 0.00995 
= 0.0149

根据以上描述，我们可以计算某人检测呈阳性时确实为新冠感染者的条件概率P(CO|+)为33.2215%：

P(CO|+)   = 新冠感染者阳性检出率 / 不考虑其他因素的阳性检出率
= P(+|CO) × P(CO) / (P(+|CO) × P(CO) + P(+|NCO) × P(NCO) )
= 0.99 * 0.005 / 0.0149 
= 0.332215

那试纸确实没法做到百分百可靠时怎么办呢？没关系，贝叶斯定理告诉我们可以复检，在医院里我们也就是这么做的。

如果让此人再次复检还是阳性（相当于P(CO)=33.2215%，为新冠感染者概率，替换了原先的0.5%），再使用贝叶斯定理计算，将会得到此人为新冠感染者的概率为98.01%。

写在最后

今天，我们一起学习了贝叶斯定理，并用一个假设某公司全员新冠检测，计算试纸检测是阳性时确实是新冠感染者的概率，来理解贝叶斯公式的妙用。

读书时期，我自认为数学学得还可以，但毕业后概率论这些慢慢地就忘记了，究其原因还是读书时只顾应试，知识学得一知半解。

为什么我们的直观印象和实际计算出来的差别这么大？

这很正常，我们大部分人对数字都没那么敏感。哪怕我学过贝叶斯定理，不去拿来计算也会犯同样的错误，可见学好数学有多重要。

概率论不仅让我们理解事物的原委，还能提高我们的判断力。

生活中，我们可以用简单的数学公式，来估算不同事件可能发生的概率，从而做出对应的选择和部署后续的行动。

比如是否买彩票，比如坚持长期主义。

每天进步一点点，长期来看，会积累出巨大的复利效应。

参考资料

上午，打开朋友圈，发现一半是接财神的，四分之一是庆祝情人节的，剩下的是春节旅行。

看来大家对财神大爷超过了对情人的喜爱，毕竟我不理财，财不理我。

可是，长这么大，我一直没觉得是有个虚拟的财神爷保佑我发财。如果真要说有的话，那也是先由衣食父母把我养大成人，然后靠着出卖自己的劳动力来获取财富。

也就是说，我一直认为，我们是自己的财神爷。

而让我更加坚定这个信念的，是前段时间听笑来的一个讲座——时间和财富（https://www.dedao.cn/share/course/article?id=RQLYWyjMZoa0J1vLv0Xp4wvzDbO26B）。它的一个核心观点就是：我们每个人都是生产者，时间是每个人终极的生产资料。

今天，我翻出来又听了一遍。接下来，请允许我带着各位一起复习其中的知识，感兴趣的也可以复制上面链接听原文。

笑来老师在讲座里说，我们每个人都是生产者。

生产者，就是创造财富的人。我们通过“生产”这个动作来创造财富，来赢得我们必需的生活用品。 

当然，跟财富有关的还有另外两件事情：销售和投资。这个我们以后会说。

​

那我们通过什么来生产呢？

高中政治的时候我们学过：生产资料。

生产资料包含哪些？

一是材料，二是需求，三是大家都容易忽略的东西——时间。

比如说农耕时代，农民通过种田来产出农作物，土地就是生产资料。工业时代，工人通过创造工零部件，比如说穿的衣帽、鞋子，行的车子等，做出这些产品的机械，就是工业时代的生产资料。

进入信息时代，我们写作的纸和笔以及电脑，都是我们的生产资料。我们通过电脑写文章、做视频、编程序等等。编出的程序为他人提供便利，写出的文章、做出的视频供人消遣，别人为此来买单。

人力也是一种生产资料。地主雇佣农民，资本家雇佣工人，我们雇佣自己，通过这些生产资料创造出产品满足他人需求，然后换得财富。

但有一个最重要的生产资料被我们忽视了，就那是时间。

是啊。农耕时代，种田种谷种稻子，它需要时间长大吧。机械时代，工业时代，哪一个产品生产出来不都需要时间的？信息时代，写一个程序，拍一个视频，写一篇文章，是不是都需要时间？

时间其实也是一种生产资料，而且是最终极的生产资料。

任何一个满足需求的产品，从找到原材料到被成功的生产出来，都需要对应的知识。

而知识的习得需要什么？时间！

​

所有事情都逃不过时间，都需要时间来酝酿。

那我们要想致富，最有效的办法是什么？

是销售自己的劳动力？还是利用自己的劳动力开展生产后再出售？

我们都知道泥巴可以造砖头的，你说是卖泥巴赚钱，还是卖砖头赚钱？

当然是利用自己的劳动力，甚至购买他人的劳动力，加上时间这个生产资料，开展生产后再出售更划算了。

我们要想生产得更有效率，就要不断拓展自己的能力直径。

笑来老师对时间进行了形象的描述：

时间是一个管道。你要是从一维的角度来看，它像是一条射线，但你要是从二维的角度看，每时每刻它都是一个直径的圆，那个直径就是你的能力范围。

有能力的人能干很多事情，没有能力的人干不了事情。

有能力的人就算直径足够大也觉得时间不够用，没有能力的人天天刷短视频，要杀掉时间才可以。

​

其实现在的我，就处在笑来老师说的直接把自己的时间出售的情形。

我懂卖砖头更赚钱，也明白泥巴可以造砖头，可我现在造不出砖头，我只有泥巴卖啊。

卖泥巴并不可耻，可耻的是卖泥巴都不专业，以及一辈子都只会卖泥巴。

还好，人是可以进步的，我们是乐观主义者。

现在我能做的，就是利用好时间这个终极的生产资料。一方面把泥巴卖得更专业，另一方面边学着怎么用泥巴造砖头。

在工作上更努力更投入，每早践行早冥读写跑，算是我往这两个方向的尝试吧。

新的一年，要把我们自己这个财神爷供好啊喂！