Hlavní strana -> Zprávy
Aktuality -> Hardware - 31. 3. 2006

RFID čipy hlídají krevní konzervy

Siemens_kk_613.jpgZajímavé rozšíření už běžícího projektu využití RFID (Radio Frequency Identification) čipů představil koncern Siemens na klinice v Saarbrückenu. Zde tuto technologii začali používat již v roce 2005. Pacienti kliniky jsou vybaveni malými náramky s radiovými čipy a zdravotnický personál pacienty identifikuje prostřednictvím tablet PC, čímž se zamezuje nepřesnostem při předepisování léků. Klinika nyní tento systém rozšiřuje, aby zahrnoval také zásoby krve, a tak na minimum snižuje riziko náhodného poskytnutí špatné skupiny krve pacientovi.

Aby se pro transfúzi nepoužil špatný typ krve, je informace na krevním vaku nejprve zkontrolována s krevní skupinou pacienta. Transfúze je povolena pouze tehdy, pokud se tyto dva údaje shodují. Čip na vaku obsahuje informaci o krvi včetně skupiny, původu, plánovaného použití a příjemce obsahu.

 
  

- PR -

Od zálohování k jistotě obnovy

QNAP představuje novou éru kybernetické odolnosti a datové suverenity v době AI


Rozvoj umělé inteligence zásadně mění způsob, jakým organizace pracují s daty. Data jsou stále nejcennějším aktivem podniků, ale současně rostou nároky na jejich ochranu, dostupnost a možnost využívat je pro lokální AI aplikace bez nutnosti jejich přesunu do veřejného cloudu. Právě na tuto změnu reagovala společnost QNAP na veletrhu Computex 2026, kde představila novou strategii „Ready & Recovery“ a ekosystém řešení zaměřených na kybernetickou odolnost, vysokou dostupnost a datovou suverenitu v éře AI.

  

- PR -

Pro úspěšné nasazení AI v podniku

není rozhodující volba modelu, ale struktura a kvalita datového prostředí


Zavádění umělé inteligence v organizacích se často redukuje na výběr konkrétního modelu nebo AI asistenta. Diskuze se točí kolem jejich schopností, výkonu a dostupnosti. Z pohledu podnikové praxe je to ale vedlejší téma. Skutečná otázka totiž nezní, jakou AI organizace používá. Správná otázka je: Jaká data má AI k dispozici? V praxi se ukazuje, že rozhodujícím faktorem není volba modelu, ale kvalita a struktura datového prostředí, do kterého je AI integrována. Právě to rozhoduje o úspěchu nebo neúspěchu většiny AI projektů.