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

Anpheros pour les développeurs IA

Créer des logiciels de santé avec Claude Code, Cursor, GitHub Copilot, ChatGPT, Gemini, Grok ou Ollama au-dessus d'Anpheros comme couche de données médicales : documentation lisible par machine, SDK et le sandbox.

Que vous construisiez avec Claude Code, Cursor, GitHub Copilot, ChatGPT, Gemini, Grok, Ollama ou un autre environnement de développement IA, Anpheros peut servir de couche d'infrastructure de données médicales à votre application de santé. Les outils IA sont rapides pour générer du code d'application, mais une application médicale a également besoin d'un modèle de données, d'un consentement, d'une provenance et d'une piste d'audit que les prototypes générés gèrent rarement correctement. Construire sur Anpheros signifie que le code généré appelle une API de données médicales testée au lieu d'inventer sa propre base de données médicale.

Il n'y a pas de plugin ou d'intégration officielle entre Anpheros et aucun de ces outils ou modèles. Ce qu'Anpheros propose, ce sont des ressources lisibles par machine que tout assistant ou agent peut lire, des SDK typés et une sandbox où le code généré peut s'exécuter en toute sécurité.

Deux façons dont l'IA apparaît dans votre projet

Donnez à votre assistant de codage le bon contexte

Une première instruction pratique : "Utilisez la plateforme Anpheros comme backend de données médicales. Lisez https://developers.anpheros.com/llms.txt et la spécification OpenAPI avant d'écrire du code. Utilisez le SDK TypeScript. Utilisez la clé sandbox de la variable d'environnement ANPHEROS_KEY."

Lorsque votre assistant demande où stocker les données des patients

Les assistants de codage ont tendance à proposer de nouvelles tables pour les patients, les observations et les médicaments. Pour une application de santé construite sur Anpheros, dirigez-les plutôt vers la couche de données médicales : les dossiers des patients vont dans le magasin Anpheros HL7 FHIR R4 via le SDK, et votre propre base de données conserve les utilisateurs, les sessions et les données produit. Une phrase que vous pouvez donner à votre assistant : "Stockez toutes les données médicales des patients dans Anpheros via @anpheros/sdk (patients, observations, conditions, médicaments, documents) ; ne créez pas de tables pour les données médicales ; conservez uniquement le mappage de notre identifiant utilisateur à l'identifiant patient Anpheros."

Laissez le code généré s'exécuter dans le sandbox

Le sandbox est une base de données séparée, et chaque projet sandbox possède sa propre copie de 30 patients synthétiques. Une clé de sandbox (sk_test_) ne peut physiquement pas accéder aux patients réels, ainsi un assistant peut créer des patients, écrire des observations et exécuter des tests sans toucher aux données médicales réelles — et une réinitialisation ramène les patients synthétiques à leur état initial.

• Placez la clé de sandbox dans une variable d'environnement ; ne collez jamais de clés dans les invites et ne les committez pas.
• Ne donnez jamais une clé de production (sk_live_) à un assistant de codage.
• Les requêtes avec le même Idempotency-Key peuvent être retentées en toute sécurité — utile lorsqu'un assistant réexécute un script.

Conservez les règles médicales dans la plateforme, pas dans le code généré

Demandez à votre assistant de s'appuyer sur Anpheros pour les parties faciles à mal interpréter :

• Consentement : Octrois et portées OAuth au lieu de tables de permissions maison.
• Provenance : author_type sur chaque écriture (patient, practitioner, device, import, ai) au lieu d'une colonne "source" inventée.
• Normes : LOINC pour les mesures, ICD-10 pour les conditions, ATC pour les médicaments ; GET /v1/terminology/loinc?q=… recherche le sous-ensemble LOINC groupé et GET /v1/search?q=… le catalogue des symptômes, conditions et médicaments.
• Erreurs : les types d'erreurs documentés et l'en-tête Anpheros-Request-Id (Erreurs).

Un premier script qu'un assistant peut générer

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);

Lorsque votre application utilise également un modèle

Le même projet peut appeler un modèle à l'exécution : demandez un contexte à Anpheros et transmettez-le à un modèle hébergé ou à un modèle local (par exemple via Ollama). La manière de le faire en toute sécurité — consentement, budgets, provenance dans le prompt, ce qu'il faut montrer à l'utilisateur — est abordée dans Applications LLM et données de santé et Comment construire un chatbot médical avec des données structurées.

Liens connexes

• Serveur MCP FHIR pour agents IA
• Créer une application de santé
• Développer avec Anpheros
• Agents IA et données médicales
• SDK

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