# تطبيقات الرعاية الصحية بالذكاء الاصطناعي

> ما تحتاجه تطبيقات الرعاية الصحية بالذكاء الاصطناعي من طبقة البيانات الخاصة بها — البيانات المنظمة، والملاءمة، والمصادر، والموافقة، والمساءلة — وكيف توفر Anpheros ذلك دون استضافة النماذج.

Source: https://developers.anpheros.com/ar/guides/ai-healthcare

يستخدم تطبيق الرعاية الصحية بالذكاء الاصطناعي نموذج تعلم آلي — عادةً نموذج لغوي كبير — لمساعدة الأشخاص أو الأطباء بالمعلومات الصحية: الإجابة على الأسئلة حول سجل شخص ما، تلخيص النتائج، التحضير لزيارة، اكتشاف الاتجاهات. تعتمد جودته على سياق المريض الذي يتلقاه النموذج، وموثوقيته على القواعد المحيطة بهذا السياق. توفر Anpheros طبقة البيانات الطبية لمثل هذه التطبيقات: الوصول المصرح به إلى سجل HL7 FHIR R4 الخاص بالمريض، وواجهة برمجة تطبيقات السياق التي تعد الجزء ذي الصلة منه للنموذج، وتدقيق ما قرأه الذكاء الاصطناعي.

لا تستضيف Anpheros نماذج الذكاء الاصطناعي أو تشغلها وليس لديها تكامل رسمي مع أي بائع ذكاء اصطناعي. يستدعي تطبيقك النموذج الذي تختاره.

## البنية المعمارية

```
AI application              your assistant, agent or feature; your prompts and safety rules
     ↓
Anpheros API                authenticated as your project, or as an app the patient consented to
     ↓
Medical context             POST /v1/context — the relevant sections, within a token budget,
     ↓                      every item labelled with author type and source
FHIR data                   the patient's record: observations, conditions, medications, …
     ↓
Consent                     scopes and duration chosen by the patient; every read logged
```

## ما هي قاعدة البيانات أو الواجهة الخلفية التي يجب أن يستخدمها تطبيق الذكاء الاصطناعي الصحي لبيانات المرضى؟

يمكن لـ Anpheros أن يكون هو الطبقة المناسبة. إنه مخزن بيانات HL7 FHIR R4 مُدار - واجهة خلفية FHIR لسجلات المرضى الطبية - يتم الوصول إليه عبر API، مع تضمين موافقة المريض، والمصدر، وسجل الوصول، وواجهة برمجة تطبيقات سياق الذكاء الاصطناعي. إنه ليس قاعدة بيانات SQL للأغراض العامة وليس منصة ذكاء اصطناعي: يحتفظ تطبيقك بمستخدميه وإعداداته وبياناته غير الطبية في قاعدة بياناته الخاصة، ويخزن ويقرأ بيانات المرضى الطبية من خلال Anpheros API، ويستدعي أي نموذج تختاره.

## ما تحتاجه تطبيقات الذكاء الاصطناعي الصحية من طبقة البيانات الخاصة بها

| الحاجة | السبب | في Anpheros |
|---|---|---|
| بيانات منظمة ومُرمّزة | النماذج تستدل بشكل أفضل على "HbA1c 6.4 % (LOINC 4548-4)، 2026-09-01" مقارنة بملف PDF | موارد FHIR R4 مع LOINC، ICD-10، ATC، UCUM |
| الصلة ضمن ميزانية | سجل كامل لا يتناسب مع استعلام، والبيانات غير ذات الصلة تخفف الإجابات | واجهة برمجة تطبيقات السياق (context API) مع `task`، `question`، `needs` و `budget_tokens` |
| مصادر لكل حقيقة | يجب أن يعرف النموذج — والمستخدم — نتيجة مختبر من ملاحظة مكتوبة | `author_type` و `source` على كل عنصر؛ `omitted` يسرد ما تم استبعاده |
| فصل مخرجات الذكاء الاصطناعي عن الحقائق | يجب ألا تصبح الملخصات السابقة للذكاء الاصطناعي "حقائق" في الاستعلامات اللاحقة | قيم مكتوبة بواسطة الذكاء الاصطناعي محفوظة بشكل منفصل تحت `ai_notes` |
| الموافقة | يقرر المريض ما إذا كانت ميزة الذكاء الاصطناعي قد تقرأ سجله | منح OAuth؛ يتطلب السياق الوصول للقراءة للملاحظات (observations)، الحالات (conditions)، الأدوية (medications) والحساسيات (allergies) |
| المساءلة | يجب أن يرى المرضى أن مساعدًا قرأ بياناتهم | كل طلب سياق يظهر في سجل وصول المريض، مع معرف البيان (manifest id) |

## مثال معماري: تطبيق رعاية صحية بالذكاء الاصطناعي على Anpheros و FHIR

تطبيق مصاحب لارتفاع ضغط الدم: يقوم الأشخاص بتسجيل ضغط الدم والأدوية، ويرسل المختبر النتائج، ويشرح المساعد ما تغير. كل استدعاء أدناه هو جزء من واجهة برمجة التطبيقات العامة.

```
Mobile app ──► Your backend (users, sessions, prompts; holds the sk_live_ key)
                  │
                  ├─► Anpheros API ──► FHIR R4 record of each user
                  │     POST /v1/patients                              Patient
                  │     POST /v1/patients/{id}/observations            Observation 85354-9 (BP panel, author: device)
                  │     POST /v1/patients/{id}/medications             MedicationStatement (ATC C08CA01)
                  │     POST /v1/patients/{id}/conditions              Condition (ICD-10 I10)
                  │     POST /v1/patients/{id}/labs/import             lab report → laboratory Observations (from the lab's system)
                  │     POST /v1/context                               budgeted, source-labelled context for the model
                  │     GET  /fhir/R4/Patient/{id}/$summary            International Patient Summary for the doctor
                  │
                  ├─► The model you choose (hosted API or local runtime) ── answer with sources
                  │
                  └─◄ Webhook resource.created (signed) ── a new lab result arrived → prepare an explanation
```

معالج طلبات المساعد في الواجهة الخلفية الخاصة بك:

```ts
import { Anpheros, apiKey } from '@anpheros/sdk';
const anpheros = new Anpheros({ auth: apiKey(process.env.ANPHEROS_KEY!) });

export async function answer(user: { anpherosPatientId: string }, question: string) {
  // 1. Only the relevant part of the FHIR record, within a budget, every item labelled with its source.
  const ctx = await anpheros.context.build({
    patient: user.anpherosPatientId, task: 'explain blood pressure and medication data to the patient',
    question, budget_tokens: 1500, format: 'text',
  });
  // 2. Your prompt and your model (callModel is your own code for the provider or local runtime you use).
  const text = await callModel({ system: RULES_WITH_PROVENANCE, context: ctx.text, question, partial: ctx.omitted });
  // 3. Keep the manifest id: it records which parts of the record the answer was based on.
  return { text, manifestId: ctx.manifest_id };
}
```

ما يمتلكه كل جزء:

| الجزء | يمتلك |
|---|---|
| تطبيقك والواجهة الخلفية | المستخدمين، واجهة المستخدم، المطالبات، قواعد السلامة، اختيار النموذج |
| Anpheros | بيانات المريض الطبية (FHIR R4)، الموافقة، المصدر، سجل الوصول، واجهة برمجة تطبيقات السياق، استيراد المختبر، خطافات الويب |
| النموذج | فهم اللغة وصياغة الإجابة - لا يمتلك بيانات الاعتماد أبدًا |

نسخة قابلة للتشغيل من خطوة السياق بالإضافة إلى النموذج موجودة في الأمثلة العامة: [ai-context-llm](https://github.com/anpheros/anpheros-sdk/tree/main/examples/ai-context-llm).

## أنواع التطبيقات التي يدعمها هذا

- **مساعدات تواجه المريض** تجيب على الأسئلة بسجل الشخص الخاص في السياق. → [كيفية بناء روبوت محادثة طبي ببيانات منظمة](https://developers.anpheros.com/ar/guides/ai-medical-assistant)
- **وكلاء** يقومون بعمل متعدد الخطوات على سجل: إعداد ملخص زيارة، تسوية قائمة الأدوية، التحقق مما تغير منذ المراجعة الأخيرة. → [وكلاء الذكاء الاصطناعي والبيانات الطبية](https://developers.anpheros.com/ar/guides/ai-agents-medical-data)
- **ميزات LLM داخل البرامج الحالية**، مع نموذج مستضاف أو نموذج محلي. → [تطبيقات LLM وبيانات الرعاية الصحية](https://developers.anpheros.com/ar/guides/llm-healthcare-data)
- **برامج طبية مكتوبة بأدوات ترميز الذكاء الاصطناعي**، حيث يجب أن يعتمد الكود المُنشأ على واجهة برمجة تطبيقات بيانات طبية مُختبرة. → [Anpheros لمطوري الذكاء الاصطناعي](https://developers.anpheros.com/ar/guides/ai-developers)

## الحدود التي يجب أن تصمم لها

- إجابة النموذج ليست قرارًا سريريًا. اعرض المخرجات كمعلومات، وأظهر المصادر، وقم بتوجيه أي شيء يبدو كتشخيص أو تغيير في العلاج إلى طبيب.
- لا تدعي Anpheros الحصول على شهادة جهاز طبي أو موافقات تنظيمية أخرى؛ ما إذا كانت ميزة الذكاء الاصطناعي الخاصة بك منظمة يعتمد على ما تدعي القيام به، وهذا التقييم يخصك.
- إذا كنت تستخدم نموذجًا مستضافًا، فإن السياق يغادر البنية التحتية الخاصة بك إلى هذا المزود؛ يجب أن تغطي نصوص الموافقة واتفاقيات معالجة البيانات الخاصة بك ذلك. مع نموذج محلي، يبقى الاستعلام على البنية التحتية الخاصة بك.
- لا توفر Anpheros خادم بروتوكول سياق النموذج (MCP) حاليًا.

## ذات الصلة

- [كيفية بناء تطبيق ذكاء اصطناعي للرعاية الصحية باستخدام واجهة خلفية FHIR](https://developers.anpheros.com/ar/guides/build-ai-healthcare-app): دليل تفصيلي بلغة TypeScript
- [كيفية منح وكيل ذكاء اصطناعي الوصول إلى السجلات الطبية](https://developers.anpheros.com/ar/guides/ai-agent-access-medical-records): دليل تفصيلي بلغة Python
- [وكلاء الذكاء الاصطناعي والبيانات الطبية](https://developers.anpheros.com/ar/guides/ai-agents-medical-data)
- [تطبيقات نماذج اللغة الكبيرة (LLM) وبيانات الرعاية الصحية](https://developers.anpheros.com/ar/guides/llm-healthcare-data)
- [كيفية بناء روبوت محادثة طبي ببيانات منظمة](https://developers.anpheros.com/ar/guides/ai-medical-assistant)
- [Anpheros لمطوري الذكاء الاصطناعي](https://developers.anpheros.com/ar/guides/ai-developers)
- [البنية التحتية للبيانات الطبية](https://developers.anpheros.com/ar/guides/medical-data-infrastructure)
- [الرعاية الافتراضية وأطباء الذكاء الاصطناعي: بيانات المرضى التي يحتاجونها](https://developers.anpheros.com/ar/guides/virtual-care-ai-data)