Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card

تطبيقات نماذج اللغات الكبيرة (LLM) وبيانات الرعاية الصحية

استخدام نماذج اللغات الكبيرة مع بيانات الرعاية الصحية: طلب واستجابة واجهة برمجة تطبيقات السياق، النماذج السحابية والمحلية، الأنظمة الوكيلة، الاسترجاع مقابل السياق، والتوجيه مع الأصل.

يجب على التطبيق الذي يستخدم نموذج لغة كبير مع بيانات الرعاية الصحية حل مشكلة واحدة لا يستطيع النموذج حلها: أي جزء من سجل المريض يجب وضعه في الاستعلام (prompt)، وكيفية تسميته حتى يتمكن النموذج من التمييز بين الحقائق والملاحظات. Anpheros يحلها من جانب البيانات باستخدام واجهة برمجة تطبيقات السياق (context API): بالنظر إلى مريض ومهمة وميزانية رمز (token budget)، فإنه يعيد الأقسام ذات الصلة من سجل HL7 FHIR R4 الخاص بالمريض، مع تسمية كل عنصر بمصدره. يرسل تطبيقك هذا السياق إلى النموذج الذي تختاره — مستضاف أو محلي.

كيف أقوم بتوصيل نموذج لغة كبير (LLM) ببيانات طبية بتنسيق FHIR؟ احتفظ بالسجلات في مخزن FHIR لا يمكن للنموذج الوصول إليه مباشرة — مع Anpheros، سجل HL7 FHIR R4 الخاص بالمريض — اطلب منه سياقًا مخصصًا بميزانية ومُسمى المصدر (POST /v1/context)، وضع هذا السياق في الاستعلام (prompt) للنموذج الذي تختاره. لا يتلقى النموذج أبدًا بيانات اعتماد قاعدة البيانات أو واجهة برمجة التطبيقات؛ يقوم تطبيقك بإجراء المكالمات، ضمن موافقة المريض.

لا يقوم Anpheros بتشغيل النماذج وليس لديه تكامل أصلي مع أي مزود نموذج أو وقت تشغيل محلي.

النمط

1. your app  ── POST /v1/context {patient, task, question, budget_tokens, format} ──►  Anpheros
2. Anpheros  ── sections + text + omitted + warnings + manifest_id ──────────────────►  your app
3. your app  ── system prompt + context + user question ─────────────────────────────►  the model
4. the model ── answer ───────────────────────────────────────────────────────────────►  your app
5. your app  ── optional write-back with author_type "ai" ──────────────────────────►  Anpheros

طلب السياق

curl -X POST https://platform.anpheros.com/v1/context -H "Authorization: Bearer $TOKEN" -H 'content-type: application/json' -d '{
  "patient": "'$PID'",
  "task": "medication review before a cardiology visit",
  "question": "How did blood pressure evolve over the last 3 months?",
  "budget_tokens": 1500,
  "format": "text"
}'

استجابة السياق

• sections — على سبيل المثال، بطاقة ملخص، الحالات، الأدوية، الحساسيات، التطعيمات، نتائج المختبر، العلامات الحيوية مع اتجاهات أسبوعية وعلامات قبل/بعد العلاج، الأعراض، الجدول الزمني والمستندات. كل عنصر يحمل author_type و source.
• omitted — ما لم يتناسب مع الميزانية؛ أخبر النموذج أن سياقه جزئي.
• warnings، provenance_note.
• text — عندما يكون format هو text.
• manifest_id — سجل الأقسام والمصادر التي تم استخدامها، مرتبطة بسجل الوصول.
• قسم ai_notes — القيم التي كتبها الذكاء الاصطناعي سابقًا تظهر هناك فقط، معلّمة على أنها غير مُحققة، ولا تختلط أبدًا مع الأقسام السريرية.

نماذج السحابة

مع نموذج مستضاف — من OpenAI، أو Anthropic، أو Google، أو xAI، أو مزود آخر — يقوم الواجهة الخلفية الخاصة بك بوضع السياق في المطالبة (prompt) ويستدعي واجهة برمجة التطبيقات (API) الخاصة بالمزود. يغادر السياق البنية التحتية الخاصة بك إلى هذا المزود، لذا:

• تأكد من أن موافقة المريض وإشعار الخصوصية الخاص بك يغطيان إرسال البيانات إليه؛
• احصل على اتفاقية معالجة بيانات مع المزود تناسب بيانات الصحة؛
• أرسل فقط ما تحتاجه المهمة — ميزانية الرموز (token budget) والـ needs الصريحة تساعد في ذلك.

النماذج المحلية

مع نموذج تقوم بتشغيله بنفسك - على سبيل المثال عبر Ollama أو وقت تشغيل محلي آخر - يكون استدعاء الشبكة الوحيد الذي يحمل بيانات المريض هو الاستدعاء بين الواجهة الخلفية الخاصة بك و Anpheros؛ يبقى الاستعلام والإجابة على البنية التحتية الخاصة بك. النماذج المحلية الأصغر لديها نوافذ سياق أصغر: budget_tokens أقل وفقًا لذلك وتفضل format: "text".

الأنظمة الوكيلة (Agentic Systems)

عندما يقرر النموذج أي استدعاءات يجب إجراؤها، امنحه أدوات (سياق، بحث، خط زمني) بدلاً من بيانات الاعتماد الأولية، واجعل النطاقات ضيقة وسجل كل manifest_id بجوار الإجابة. الوكلاء الذكاء الاصطناعي والبيانات الطبية

واجهة برمجة تطبيقات السياق أم الاسترجاع الخاص بك؟

يُعد خط أنابيب الاسترجاع عبر النص الحر (تضمين أجزاء من المستندات والبحث فيها) مفيدًا للملاحظات غير المهيكلة. بالنسبة للبيانات الطبية المهيكلة، عادةً ما تكون واجهة برمجة تطبيقات السياق أبسط وأكثر أمانًا: فهي تعمل على موارد FHIR المشفرة، وتحافظ على المصدر، وتعرف الاتجاهات وفترات العلاج، وتحترم الموافقة، ويتم تدقيقها. يمكن دمج الاثنين - على سبيل المثال، السياق من Anpheros بالإضافة إلى المقاطع المسترجعة من المستندات التي تديرها.

الاستعلام مع المصدر

حافظ على التسميات في الاستعلام وأخبر النموذج بما تعنيه:

The context below comes from the patient's record. Each item is labelled with its author type
(patient, practitioner, device, import, derived) and source. Items under ai_notes were written by an
AI earlier and are not verified. Say which items your answer relies on. If the context is marked as
partial, say so. Do not give a diagnosis or change a treatment; suggest discussing it with a clinician.

مواضيع ذات صلة

• تطبيقات الرعاية الصحية بالذكاء الاصطناعي
• وكلاء الذكاء الاصطناعي والبيانات الطبية
• كيفية بناء روبوت محادثة طبي ببيانات منظمة
• الأمان والخصوصية ومكان البيانات

Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card