一个覆盖内镜、病理与放射的 AI 原生平台。

有些科室希望一切都留在自己的院墙之内；另一些则希望借助云端的触达来做复阅、教学或开设第二院区。CloudKites 不会替您选定赢家。pod 可以完全在本地运行，将归档与信息系统保留在院内。它也可以混合运行 — 本地 pod 与云端 pod 配对 — 两者以异步方式保持同步，因此 edge 在中断期间仍能持续工作，检查也能在任何需要的地方被访问。如何安排由您决定，并可随您的变化而变化。

同样的灵活性也在另一个方向上发挥作用 — 在规模上。该架构可从单家小型诊所伸缩到中到大型医院，而其行为方式不变。小型解剖病理实验室可将 PathoPod 用作其 LIS；繁忙的放射科可将 TomoPod 用作完整的 AI-native RIS 与 PACS；内镜科可将 EndoPod 用作其 EIS。您随着发展增加容量与模态，而您在第一天所熟悉的平台，正是您一直沿用的平台。

构建三个各自独立的产品本会更容易，每个都有自己的习惯、自己的怪癖、对何为安全的各自定义。许多软件正是这样成长的，一支团队接着一支团队，直到接缝显现。CloudKites 有意选择了更难的路：一个 AI-native 根基，表现为每种模态的一个 edge 工具和一个 pod。内镜医师、病理医师与放射医师看到的是为各自专业量身打造的工具 — EndoEdge 与 EndoPod、PathoEdge 与 PathoPod、TomoEdge 与 TomoPod — 但他们站在同一片土地上。

其回报在于模型不会碎裂。edge 实时辅助并采集；pod 是信息系统 — EIS、LIS 或 RIS — 将检查封装为 DICOM，并以兼顾 HIPAA 的姿态对齐 HL7。部署可按选择在本地或混合进行。AI 逐步接入，并可按客户定制。临床医生始终处于决策环路中，审阅并签署半自动报告。当一个科室增加第二或第三种模态时，它并非在学习第二或第三种工作方式。它早已熟知这一种。

还有一个更安静的好处。共享的根基意味着在一种模态中有用的模型可以扩展到下一种，在一处达成的标准便是处处达成的标准。平台是作为整体变得更好，而非彼此割裂的碎片 — 而从未要求去思考这一切的临床医生，只是发现 edge 工具会辅助，pod 在他们遇到它的任何地方都以相同方式运作。