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

Εικονική φροντίδα και γιατροί AI: τα δεδομένα που χρειάζονται

Μια εικονική επίσκεψη ως δεδομένα FHIR R4 — κράτηση, εισαγωγή, μετρήσεις στο σπίτι, επίσκεψη, παρακολούθηση — και πώς ένας βοηθός AI λαμβάνει μια προβολή με συναίνεση και ετικέτες πηγής. Δοκιμασμένη ροή.

Μια εικονική κλινική — είτε ο κλινικός είναι άνθρωπος σε βίντεο είτε βοηθός AI που τον βοηθά — είναι τόσο καλή όσο τα δεδομένα του ασθενούς που μπορεί να δει πριν, κατά τη διάρκεια και μετά την επίσκεψη: πρόσφατες μετρήσεις, ενεργά προβλήματα και φάρμακα, τι ανέφερε ο ασθενής και ένα αρχείο των αποφάσεων που λήφθηκαν. Η βιντεοκλήση είναι το εύκολο μέρος. Αυτή η σελίδα αντιστοιχίζει μια εικονική επίσκεψη σε πόρους HL7 FHIR R4, δείχνει πώς μπορεί να δοθεί σε έναν βοηθό AI μια συναίνεση, προβολή με ετικέτα πηγής του αρχείου, και εκτελεί ολόκληρη τη ροή στην Πλατφόρμα Anpheros, συμπεριλαμβανομένου ενός περιορισμού που βρήκαμε κατά την εκτέλεσή της.

Μια εικονική επίσκεψη ως δεδομένα

Δύο πράγματα κάνουν αυτήν την επίσκεψη διαφορετική από μια δια ζώσης επίσκεψη. Ο κλινικός ιατρός βασίζεται περισσότερο σε δεδομένα που παρήγαγε ο ασθενής (μετρήσεις από το σπίτι, ερωτηματολόγια), επομένως ο φάκελος πρέπει να δείχνει ποιες τιμές προήλθαν από συσκευή ή από τον ασθενή και ποιες από κλινικό ιατρό. Και το βήμα προετοιμασίας είναι όπου η AI είναι πιο χρήσιμη σήμερα — συνοψίζοντας μήνες μετρήσεων σε ό,τι άλλαξε — επομένως ο φάκελος πρέπει να είναι αναγνώσιμος από λογισμικό με τη συγκατάθεση του ασθενούς.

Πού εντάσσεται η Τεχνητή Νοημοσύνη και τι πρέπει να βλέπει

Οι κοινοί κανόνες: δώστε σε κάθε ρόλο ΤΝ το μικρότερο δυνατό κομμάτι που απαντά στην ερώτησή του, επισημάνετε την πηγή κάθε τιμής ώστε το μοντέλο και ο κλινικός ιατρός να μπορούν να σταθμίσουν μια οικιακή μέτρηση έναντι ενός εργαστηριακού αποτελέσματος, καταγράψτε κάθε ανάγνωση ώστε ο ασθενής να μπορεί να δει τι είδε μια ΤΝ, και κρατήστε έναν άνθρωπο στον βρόχο για οτιδήποτε διαγνωστικό. Η ΤΝ που διαγιγνώσκει ή συστήνει θεραπεία μπορεί να ρυθμίζεται ως λογισμικό ιατροτεχνολογικού προϊόντος (από τον FDA στις Ηνωμένες Πολιτείες· υπό τον Κανονισμό Ιατροτεχνολογικών Προϊόντων και τον Νόμο για την Τεχνητή Νοημοσύνη στην Ευρωπαϊκή Ένωση)· μια πλατφόρμα δεδομένων δεν αλλάζει αυτό.

Η ροή στο Anpheros, βήμα προς βήμα

Ο παρακάτω κώδικας χρησιμοποιεί το Anpheros TypeScript SDK και εκτελέστηκε σε μια τοπική παρουσία της πλατφόρμας με ένα κλειδί sandbox. Ο ασθενής έχει ήδη τρεις μετρήσεις αρτηριακής πίεσης στο σπίτι από ένα πιεσόμετρο (author_type: device), υπέρταση ως πάθηση και εναλαπρίλη ως φαρμακευτική αγωγή.

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

const anpheros = new Anpheros({ auth: apiKey(process.env.ANPHEROS_KEY!) });
const subject = { reference: `Patient/${patientId}` };

// 1. Before the visit: the booking and the intake questionnaire
await anpheros.fhir.create({ resourceType: 'Appointment', status: 'booked', description: 'Video visit: blood pressure follow-up',
  start: '2026-10-14T15:00:00-05:00', end: '2026-10-14T15:20:00-05:00',
  participant: [{ actor: subject, status: 'accepted' }] } as any);
await anpheros.fhir.create({ resourceType: 'QuestionnaireResponse', status: 'completed', subject, authored: '2026-10-14T09:12:00-05:00',
  item: [
    { linkId: 'reason', text: 'What would you like to discuss?', answer: [{ valueString: 'Higher readings this week and dizziness in the morning' }] },
    { linkId: 'missed-doses', text: 'Did you miss any doses in the last 7 days?', answer: [{ valueBoolean: false }] },
  ] } as any, { author_type: 'patient' });

// The symptom itself, as a patient-reported Observation, so it reaches the context below
await anpheros.observations.create(patientId, { code: 'R42', system: 'http://hl7.org/fhir/sid/icd-10', display: 'Dizziness and giddiness',
  category: 'symptom', effective_at: '2026-10-13T07:45:00-05:00', value_text: 'Dizzy for a few minutes after getting up', author_type: 'patient' });

// 2. What the clinician (or an AI assistant helping them) reads: a budgeted, source-labelled context
const ctx = await anpheros.context.build({ patient: patientId, task: 'prepare a video visit',
  question: 'blood pressure trend and dizziness in the last 2 weeks', budget_tokens: 700, format: 'text' });

// 3. After the visit: the encounter, written as the clinician
const encounter = await anpheros.fhir.create({ resourceType: 'Encounter', status: 'finished',
  class: { system: 'http://terminology.hl7.org/CodeSystem/v3-ActCode', code: 'VR', display: 'virtual' },
  subject, period: { start: '2026-10-14T15:02:00-05:00', end: '2026-10-14T15:18:00-05:00' },
  reasonCode: [{ text: 'Blood pressure follow-up' }] } as any, { author_type: 'practitioner', source_system: 'video-clinic' });

Το πλαίσιο που επιστράφηκε στο βήμα 2 (487 από τα 700 tokens· αυτό είναι που θα βάζατε μπροστά σε ένα μοντέλο ή θα δείχνατε στον κλινικό ιατρό):

## Summary
Maria Lopez, 58 y, female. Active conditions: Essential (primary) hypertension. Active medications: Enalapril 10 mg.
Allergies: none recorded. Record: 0 lab values, 3 vital signs, 0 documents. As of 2026-10-13.
## Vitals
- Blood pressure panel: latest 2026-10-12 146/90 mm[Hg] ; weekly 2026-10-05: 150/93.5; 2026-10-12: 146/90 [device]
## Symptoms
- Dizziness and giddiness: 1 occurrence(s): 2026-10-13 [patient]
## Timeline
- 2026-10-13 symptom: Dizziness and giddiness: Dizzy for a few minutes after getting up [patient]

Κάθε γραμμή φέρει την πηγή της — [device] για το πιεσόμετρο, [patient] για το σύμπτωμα — και η ανάγνωση καταγράφεται στο αρχείο καταγραφής πρόσβασης. Η προέλευση του περιστατικού δείχνει practitioner από video-clinic, και το χρονοδιάγραμμα του ασθενούς διαβάζει τώρα: εικονικό περιστατικό, το ραντεβού βιντεοκλήσης, η ζάλη, οι τρεις μετρήσεις αρτηριακής πίεσης, η φαρμακευτική αγωγή και η πάθηση.

Τι βρήκαμε κατά την εκτέλεση: το API πλαισίου δεν περιλαμβάνει σήμερα απαντήσεις QuestionnaireResponse. Η πρώτη εκτέλεση, με τη ζάλη μόνο στο ερωτηματολόγιο, παρήγαγε μια περίληψη χωρίς καμία αναφορά σε αυτήν. Καταγράψτε τα συμπτώματα που αναφέρει ο ασθενής ως Observation με κατηγορία symptom (όπως παραπάνω), ή περάστε το ερωτηματολόγιο στο μοντέλο σας μόνοι σας.

Παραχώρηση πρόσβασης σε AI agent με συναίνεση

Όταν το AI εκτελείται σε εφαρμογή κάποιου άλλου, δεν λαμβάνει το κλειδί του έργου σας. Η εφαρμογή ζητά τη συναίνεση του ασθενούς μέσω OAuth 2.1 και SMART on FHIR, με εύρος δικαιωμάτων (scopes) όσο το δυνατόν πιο περιορισμένο, patient/Observation.rs?category=vital-signs, για καθορισμένο χρονικό διάστημα, ανακλητό ανά πάσα στιγμή. Ένας agent μπορεί επίσης να αποκτήσει πρόσβαση στο αρχείο μέσω του διακομιστή Anpheros MCP, μόνο για ανάγνωση, εκτός αν ο ασθενής επιτρέψει περισσότερα. Δείτε Πώς να παραχωρήσετε πρόσβαση σε AI agent σε ιατρικά αρχεία και τον διακομιστή FHIR MCP.

Τι κάνει και τι δεν κάνει το Anpheros

Το Anpheros παρέχει το αρχείο και τους ελέγχους γύρω από αυτό: αποθήκευση FHIR R4 για κάθε πόρο στον παραπάνω πίνακα, συναίνεση ανά εφαρμογή, προέλευση σε κάθε εγγραφή, αρχείο καταγραφής πρόσβασης που μπορεί να δει ο ασθενής και το API περιβάλλοντος που μετατρέπει το αρχείο σε προϋπολογισμένη, επισημασμένη περίληψη για ένα μοντέλο.

Δεν παρέχει βιντεοκλήσεις, οθόνες προγραμματισμού, ηλεκτρονική συνταγογράφηση, χρέωση ή υποστήριξη κλινικών αποφάσεων, και δεν φιλοξενεί ούτε επιλέγει μοντέλα AI. Μια εικονική κλινική που βασίζεται σε αυτό φέρει αυτά, και την κλινική ευθύνη, από μόνη της.

Συχνές ερωτήσεις

Τι είναι ο εικονικός γιατρός;

Ένας κλινικός ιατρός που εξετάζει ασθενείς εξ αποστάσεως, μέσω βίντεο, τηλεφώνου ή μηνυμάτων. Ο όρος χρησιμοποιείται επίσης για βοηθούς ΤΝ που συνομιλούν με ασθενείς· στην πράξη, αυτοί βοηθούν έναν ανθρώπινο κλινικό ιατρό αντί να τον αντικαθιστούν, και βασίζονται στα ίδια δεδομένα ασθενούς.

Ποιος πόρος FHIR επισημαίνει μια επίσκεψη ως εικονική;

Encounter.class με τον κωδικό v3 ActCode VR ("virtual"). Η κράτηση είναι ένα Appointment· η εισαγωγή είναι ένα QuestionnaireResponse και, για τα συμπτώματα, Observations.

Τι δεδομένα χρειάζεται ένας βοηθός ιατρικής ΤΝ;

Μόνο ό,τι απαιτεί η εργασία του: για μια σύνοψη πριν την επίσκεψη, πρόσφατες τάσεις μετρήσεων, νέα συμπτώματα, ενεργά προβλήματα και φαρμακευτική αγωγή, και πρόσφατα αποτελέσματα — καθένα επισημασμένο με την πηγή και τον χρόνο του. Δώστε του ένα προϋπολογισμένο πλαίσιο αντί για ολόκληρο το αρχείο.

Πώς διαχωρίζω τα δεδομένα που αναφέρονται από τον ασθενή και τα δεδομένα από συσκευές από τα κλινικά δεδομένα;

Καταγράψτε ποιος έγραψε κάθε στοιχείο. Στο Anpheros, κάθε εγγραφή φέρει έναν τύπο συγγραφέα — ασθενής, συσκευή, επαγγελματίας, εισαγωγή ή ΤΝ — και το πλαίσιο που δίνεται σε ένα μοντέλο επισημαίνει κάθε γραμμή με αυτό.

Μπορεί ένας βοηθός ΤΝ να διαβάσει το αρχείο ενός ασθενούς χωρίς τη συγκατάθεσή του;

Όχι στο Anpheros. Μια εφαρμογή εκτός από αυτήν που δημιούργησε το αρχείο χρειάζεται τη συγκατάθεση OAuth του ασθενούς, περιορισμένη στα πεδία και την περίοδο που επέλεξε, και κάθε ανάγνωση εμφανίζεται στο αρχείο πρόσβασής του.

Σχετικά

• Εφαρμογές τεχνητής νοημοσύνης στην υγειονομική περίθαλψη
• Πώς να δημιουργήσετε μια εφαρμογή τεχνητής νοημοσύνης στην υγειονομική περίθαλψη με backend FHIR
• Πώς να δημιουργήσετε ένα ιατρικό chatbot με δομημένα δεδομένα
• Δεδομένα φορητών συσκευών σε FHIR: οι ενδείξεις από το σπίτι στις οποίες βασίζεται μια εικονική επίσκεψη
• Πώς να δημιουργήσετε μια εφαρμογή προσωπικού ιατρικού φακέλου
• Προέλευση ιατρικών δεδομένων, επεξήγηση
• Απομακρυσμένη παρακολούθηση ασθενών με FHIR
• Δεδομένα φαρμακευτικής αγωγής για εφαρμογές υγειονομικής περίθαλψης και πράκτορες τεχνητής νοημοσύνης

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