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

Anpheros para desarrolladores de IA

Creación de software sanitario con Claude Code, Cursor, GitHub Copilot, ChatGPT, Gemini, Grok u Ollama sobre Anpheros como capa de datos médicos: documentos legibles por máquina, SDKs y el sandbox.

Ya sea que construya con Claude Code, Cursor, GitHub Copilot, ChatGPT, Gemini, Grok, Ollama o cualquier otro entorno de desarrollo de IA, Anpheros puede servir como la capa de infraestructura de datos médicos de su aplicación sanitaria. Las herramientas de IA son rápidas para generar código de aplicación, pero una aplicación médica también necesita un modelo de datos, consentimiento, procedencia y una pista de auditoría que un prototipo generado rara vez acierta. Construir sobre Anpheros significa que el código generado llama a una API de datos médicos probada en lugar de inventar su propia base de datos médica.

No existe un plugin o integración oficial entre Anpheros y ninguna de estas herramientas o modelos. Lo que Anpheros ofrece son recursos legibles por máquina que cualquier asistente o agente puede leer, SDK tipados y un sandbox donde el código generado puede ejecutarse de forma segura.

Dos formas en que la IA aparece en tu proyecto

Proporcione el contexto adecuado a su asistente de codificación

Una primera instrucción práctica: "Utilice Anpheros Platform como backend de datos médicos. Lea https://developers.anpheros.com/llms.txt y la especificación OpenAPI antes de escribir código. Utilice el SDK de TypeScript. Utilice la clave del sandbox de la variable de entorno ANPHEROS_KEY."

Cuando su asistente pregunte dónde almacenar los datos del paciente

Los asistentes de codificación tienden a proponer nuevas tablas para pacientes, observaciones y medicamentos. Para una aplicación de atención médica construida sobre Anpheros, diríjalos a la capa de datos médicos en su lugar: los registros de pacientes van al almacén Anpheros HL7 FHIR R4 a través del SDK, y su propia base de datos mantiene los usuarios, sesiones y datos del producto. Una frase que puede darle a su asistente: "Almacene todos los datos médicos del paciente en Anpheros a través de @anpheros/sdk (pacientes, observaciones, condiciones, medicamentos, documentos); no cree tablas para datos médicos; mantenga solo el mapeo de nuestro ID de usuario al ID de paciente de Anpheros."

Ejecutar código generado en el sandbox

El sandbox es una base de datos separada, y cada proyecto de sandbox tiene su propia copia de 30 pacientes sintéticos. Una clave de sandbox (sk_test_) físicamente no puede acceder a pacientes reales, por lo que un asistente puede crear pacientes, escribir observaciones y ejecutar pruebas sin tocar datos médicos reales, y un reinicio devuelve los pacientes sintéticos a su estado original.

• Coloque la clave del sandbox en una variable de entorno; nunca pegue claves en prompts ni las confirme.
• Nunca proporcione a un asistente de codificación una clave de producción (sk_live_).
• Las solicitudes con el mismo Idempotency-Key son seguras para reintentar, lo cual es útil cuando un asistente vuelve a ejecutar un script.

Mantenga las reglas médicas en la plataforma, no en el código generado

Pida a su asistente que confíe en Anpheros para las partes que son fáciles de cometer errores:

• Consentimiento: Concesiones y ámbitos de OAuth en lugar de tablas de permisos caseras.
• Procedencia: author_type en cada escritura (patient, practitioner, device, import, ai) en lugar de una columna "source" inventada.
• Estándares: LOINC para mediciones, ICD-10 para condiciones, ATC para medicamentos; GET /v1/terminology/loinc?q=… busca el subconjunto LOINC empaquetado y GET /v1/search?q=… el catálogo de síntomas, condiciones y medicamentos.
• Errores: los tipos de error documentados y la cabecera Anpheros-Request-Id (Errores).

Un primer script que un asistente puede generar

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);

Cuando su aplicación también utiliza un modelo

El mismo proyecto puede llamar a un modelo en tiempo de ejecución: solicite un contexto de Anpheros y páselo a un modelo alojado o a uno local (por ejemplo, a través de Ollama). Cómo hacerlo de forma segura —consentimiento, presupuestos, procedencia en el prompt, qué mostrar al usuario— se cubre en Aplicaciones LLM y datos de salud y Cómo crear un chatbot médico con datos estructurados.

Relacionado

• Servidor MCP de FHIR para agentes de IA
• Crea una aplicación de salud
• Desarrolla con Anpheros
• Agentes de IA y datos médicos
• SDKs

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