# 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: documentación legible por máquina, SDK y el sandbox.

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

**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

| | La IA te ayuda a escribir el software | La IA es parte del software |
|---|---|---|
| Ejemplos | Claude Code, Cursor, GitHub Copilot, ChatGPT escribiendo tu código | tu aplicación llama a un modelo (alojado o local con Ollama) para responder preguntas de salud |
| Lo que Anpheros te ofrece | una API y documentación que tu asistente de codificación puede seguir | el contexto del paciente para el modelo, con consentimiento y auditoría |
| Leer a continuación | esta página | [Aplicaciones de IA en salud](https://developers.anpheros.com/es/guides/ai-healthcare) |

## Proporcione el contexto adecuado a su asistente de codificación

| Recurso | URL | Por qué ayuda |
|---|---|---|
| Especificación OpenAPI | `https://developers.anpheros.com/openapi.json` | cada endpoint con esquemas de solicitud y respuesta |
| Resumen para desarrolladores | `https://developers.anpheros.com/llms.txt` | qué es la plataforma y dónde se documenta cada tema |
| Todas las guías en un solo archivo | `https://developers.anpheros.com/llms-full.txt` | las guías en formato Markdown, para una carga de contexto única |
| Cada guía como Markdown | `https://developers.anpheros.com/guides/{guide}.md` | por ejemplo, `/guides/getting-started.md` |
| FHIR CapabilityStatement | `https://platform.anpheros.com/fhir/R4/metadata` | los 26 tipos de recursos FHIR y sus parámetros de búsqueda |
| SDK tipados | `@anpheros/sdk` (npm), `anpheros_sdk` (pub.dev) | claves de idempotencia, reintentos, actualización de tokens y el flujo de consentimiento ya implementados |

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](https://developers.anpheros.com/es/guides/errors)).

## Un primer script que un asistente puede generar

```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);
```

## 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](https://developers.anpheros.com/es/guides/llm-healthcare-data) y [Cómo crear un chatbot médico con datos estructurados](https://developers.anpheros.com/es/guides/ai-medical-assistant).

## Relacionado

- [Servidor MCP de FHIR para agentes de IA](https://developers.anpheros.com/es/guides/mcp)
- [Crea una aplicación de salud](https://developers.anpheros.com/es/guides/build-a-healthcare-app)
- [Desarrolla con Anpheros](https://developers.anpheros.com/es/guides/build-with-anpheros)
- [Agentes de IA y datos médicos](https://developers.anpheros.com/es/guides/ai-agents-medical-data)
- [SDKs](https://developers.anpheros.com/es/guides/sdks)