# Anpheros για προγραμματιστές AI

> Δημιουργία λογισμικού υγειονομικής περίθαλψης με Claude Code, Cursor, GitHub Copilot, ChatGPT, Gemini, Grok ή Ollama πάνω από το Anpheros ως επίπεδο ιατρικών δεδομένων: έγγραφα αναγνώσιμα από μηχανές, SDK και το sandbox.

Source: https://developers.anpheros.com/el/guides/ai-developers

**Είτε δημιουργείτε με Claude Code, Cursor, GitHub Copilot, ChatGPT, Gemini, Grok, Ollama ή άλλο περιβάλλον ανάπτυξης AI, το Anpheros μπορεί να λειτουργήσει ως το επίπεδο υποδομής ιατρικών δεδομένων της εφαρμογής υγειονομικής περίθαλψης.** Τα εργαλεία AI είναι γρήγορα στην παραγωγή κώδικα εφαρμογών, αλλά μια ιατρική εφαρμογή χρειάζεται επίσης ένα μοντέλο δεδομένων, συναίνεση, προέλευση και ένα αρχείο καταγραφής που ένα παραγόμενο πρωτότυπο σπάνια επιτυγχάνει σωστά. Η δημιουργία πάνω στο Anpheros σημαίνει ότι ο παραγόμενος κώδικας καλεί ένα δοκιμασμένο API ιατρικών δεδομένων αντί να εφεύρει τη δική του ιατρική βάση δεδομένων.

Δεν υπάρχει επίσημο plugin ή ενσωμάτωση μεταξύ του Anpheros και κανενός από αυτά τα εργαλεία ή μοντέλα. Αυτό που προσφέρει το Anpheros είναι πόροι αναγνώσιμοι από μηχανές που μπορεί να διαβάσει οποιοσδήποτε βοηθός ή πράκτορας, τυποποιημένα SDK και ένα sandbox όπου ο παραγόμενος κώδικας μπορεί να εκτελεστεί με ασφάλεια.

## Δύο τρόποι που η Τεχνητή Νοημοσύνη εμφανίζεται στο έργο σας

| | Η Τεχνητή Νοημοσύνη σας βοηθά να γράψετε το λογισμικό | Η Τεχνητή Νοημοσύνη είναι μέρος του λογισμικού |
|---|---|---|
| Παραδείγματα | Claude Code, Cursor, GitHub Copilot, ChatGPT που γράφουν τον κώδικά σας | η εφαρμογή σας καλεί ένα μοντέλο (hosted, ή τοπικό με Ollama) για να απαντήσει σε ερωτήσεις υγείας |
| Τι σας προσφέρει το Anpheros | ένα API και τεκμηρίωση που μπορεί να ακολουθήσει ο βοηθός κωδικοποίησης | το πλαίσιο του ασθενούς για το μοντέλο, με συναίνεση και έλεγχο |
| Διαβάστε στη συνέχεια | αυτή η σελίδα | [Εφαρμογές Τεχνητής Νοημοσύνης στην υγειονομική περίθαλψη](https://developers.anpheros.com/el/guides/ai-healthcare) |

## Δώστε στον βοηθό κωδικοποίησης τη σωστή περιγραφή

| Πόρος | URL | Γιατί βοηθάει |
|---|---|---|
| Προδιαγραφή OpenAPI | `https://developers.anpheros.com/openapi.json` | κάθε endpoint με σχήματα αιτήματος και απόκρισης |
| Περίληψη προγραμματιστή | `https://developers.anpheros.com/llms.txt` | τι είναι η πλατφόρμα και πού τεκμηριώνεται κάθε θέμα |
| Όλοι οι οδηγοί σε ένα αρχείο | `https://developers.anpheros.com/llms-full.txt` | τους οδηγούς ως Markdown, για φόρτωση ενός ενιαίου περιβάλλοντος |
| Κάθε οδηγός ως Markdown | `https://developers.anpheros.com/guides/{guide}.md` | π.χ. `/guides/getting-started.md` |
| FHIR CapabilityStatement | `https://platform.anpheros.com/fhir/R4/metadata` | οι 26 τύποι πόρων FHIR και οι παράμετροι αναζήτησής τους |
| Τυποποιημένα SDK | `@anpheros/sdk` (npm), `anpheros_sdk` (pub.dev) | κλειδιά ιδεοδυναμίας, επαναδοκιμές, ανανέωση token και η ροή συναίνεσης ήδη υλοποιημένες |

Μια πρακτική πρώτη οδηγία: *"Χρησιμοποιήστε την Πλατφόρμα Anpheros ως το backend ιατρικών δεδομένων. Διαβάστε το https://developers.anpheros.com/llms.txt και την προδιαγραφή OpenAPI πριν γράψετε κώδικα. Χρησιμοποιήστε το TypeScript SDK. Χρησιμοποιήστε το κλειδί sandbox από τη μεταβλητή περιβάλλοντος `ANPHEROS_KEY`."*

## Όταν ο βοηθός σας ρωτά πού να αποθηκεύσει δεδομένα ασθενών

Οι βοηθοί κωδικοποίησης τείνουν να προτείνουν νέους πίνακες για ασθενείς, παρατηρήσεις και φάρμακα. Για μια εφαρμογή υγειονομικής περίθαλψης που βασίζεται στο Anpheros, κατευθύνετέ τους προς το επίπεδο ιατρικών δεδομένων αντ' αυτού: τα αρχεία ασθενών πηγαίνουν στο Anpheros HL7 FHIR R4 store μέσω του SDK, και η δική σας βάση δεδομένων διατηρεί χρήστες, συνεδρίες και δεδομένα προϊόντων. Μια πρόταση που μπορείτε να δώσετε στον βοηθό σας: *"Αποθηκεύστε όλα τα ιατρικά δεδομένα ασθενών στο Anpheros μέσω `@anpheros/sdk` (ασθενείς, παρατηρήσεις, καταστάσεις, φάρμακα, έγγραφα). μην δημιουργείτε πίνακες για ιατρικά δεδομένα. διατηρήστε μόνο την αντιστοίχιση από το αναγνωριστικό χρήστη μας στο αναγνωριστικό ασθενούς του Anpheros."*

## Εκτέλεση του παραγόμενου κώδικα στο sandbox

Το sandbox είναι μια ξεχωριστή βάση δεδομένων και κάθε sandbox project έχει το δικό του αντίγραφο 30 συνθετικών ασθενών. Ένα κλειδί sandbox (`sk_test_`) δεν μπορεί φυσικά να έχει πρόσβαση σε πραγματικούς ασθενείς, επομένως ένας βοηθός μπορεί να δημιουργήσει ασθενείς, να γράψει παρατηρήσεις και να εκτελέσει δοκιμές χωρίς να αγγίξει πραγματικά ιατρικά δεδομένα — και μια επαναφορά φέρνει τους συνθετικούς ασθενείς πίσω στην αρχική τους κατάσταση.

- Τοποθετήστε το κλειδί sandbox σε μια μεταβλητή περιβάλλοντος. ποτέ μην επικολλάτε κλειδιά σε προτροπές ή μην τα κάνετε commit.
- Ποτέ μην δίνετε σε έναν βοηθό κωδικοποίησης ένα κλειδί παραγωγής (`sk_live_`).
- Οι αιτήσεις με το ίδιο `Idempotency-Key` είναι ασφαλείς για επανάληψη — χρήσιμο όταν ένας βοηθός επανεκτελεί ένα script.

## Κρατήστε τους ιατρικούς κανόνες στην πλατφόρμα, όχι στον παραγόμενο κώδικα

Ζητήστε από τον βοηθό σας να βασίζεται στο Anpheros για τα μέρη που είναι εύκολο να γίνουν λάθος:

- **Συναίνεση:** OAuth grants και scopes αντί για αυτοσχέδιοι πίνακες αδειών.
- **Προέλευση:** `author_type` σε κάθε εγγραφή (`patient`, `practitioner`, `device`, `import`, `ai`) αντί για μια εφευρεμένη στήλη "source".
- **Πρότυπα:** LOINC για μετρήσεις, ICD-10 για καταστάσεις, ATC για φάρμακα· το `GET /v1/terminology/loinc?q=…` αναζητά το συνδυασμένο υποσύνολο LOINC και το `GET /v1/search?q=…` τον κατάλογο συμπτωμάτων, καταστάσεων και φαρμάκων.
- **Σφάλματα:** οι τεκμηριωμένοι τύποι σφαλμάτων και η κεφαλίδα `Anpheros-Request-Id` ([Σφάλματα](https://developers.anpheros.com/el/guides/errors)).

## Ένα πρώτο script που μπορεί να δημιουργήσει ένας βοηθός

```ts
import { Anpheros, apiKey } from '@anpheros/sdk';

const anpheros = new Anpheros({ auth: apiKey(process.env.ANPHEROS_KEY!) });   // sk_test_ key

const { data: patients } = await anpheros.patients.list();                    // synthetic sandbox patients
const labs = await anpheros.observations.list(patients[0].id, { category: 'laboratory', limit: 10 });
const ctx = await anpheros.context.build({ patient: patients[0].id, task: 'weekly check-in', budget_tokens: 1500, format: 'text' });
console.log(labs.data, ctx.text);
```

## Όταν η εφαρμογή σας χρησιμοποιεί επίσης ένα μοντέλο

Το ίδιο project μπορεί να καλέσει ένα μοντέλο κατά την εκτέλεση: ζητήστε ένα context από το Anpheros και περάστε το σε ένα φιλοξενούμενο μοντέλο ή σε ένα τοπικό (για παράδειγμα μέσω Ollama). Το πώς να το κάνετε αυτό με ασφάλεια — συναίνεση, προϋπολογισμοί, προέλευση στο prompt, τι να εμφανίσετε στον χρήστη — καλύπτεται στα [Εφαρμογές LLM και δεδομένα υγειονομικής περίθαλψης](https://developers.anpheros.com/el/guides/llm-healthcare-data) και [Πώς να δημιουργήσετε ένα ιατρικό chatbot με δομημένα δεδομένα](https://developers.anpheros.com/el/guides/ai-medical-assistant).

## Σχετικά

- [Διακομιστής FHIR MCP για πράκτορες AI](https://developers.anpheros.com/el/guides/mcp)
- [Δημιουργία εφαρμογής υγειονομικής περίθαλψης](https://developers.anpheros.com/el/guides/build-a-healthcare-app)
- [Δημιουργία με Anpheros](https://developers.anpheros.com/el/guides/build-with-anpheros)
- [Πράκτορες AI και ιατρικά δεδομένα](https://developers.anpheros.com/el/guides/ai-agents-medical-data)
- [SDKs](https://developers.anpheros.com/el/guides/sdks)