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

AI हेल्थकेयर एप्लिकेशन

AI हेल्थकेयर एप्लिकेशन को अपने डेटा लेयर से क्या चाहिए — स्ट्रक्चर्ड डेटा, प्रासंगिकता, स्रोत, सहमति, जवाबदेही — और Anpheros इसे मॉडल होस्ट किए बिना कैसे प्रदान करता है।

एक एआई स्वास्थ्य सेवा अनुप्रयोग मशीन-लर्निंग मॉडल का उपयोग करता है — आमतौर पर एक बड़ा भाषा मॉडल — लोगों या चिकित्सकों की स्वास्थ्य जानकारी में सहायता करने के लिए: किसी व्यक्ति के रिकॉर्ड के बारे में सवालों के जवाब देना, परिणामों का सारांश तैयार करना, यात्रा की तैयारी करना, रुझानों का पता लगाना। इसकी गुणवत्ता मॉडल द्वारा प्राप्त रोगी संदर्भ पर निर्भर करती है, और उस संदर्भ के आसपास के नियमों पर इसकी विश्वसनीयता। एंफेरोस ऐसे अनुप्रयोगों के लिए मेडिकल-डेटा लेयर प्रदान करता है: रोगी के HL7 FHIR R4 रिकॉर्ड तक सहमति-आधारित पहुंच, एक संदर्भ API जो मॉडल के लिए इसके प्रासंगिक हिस्से को तैयार करता है, और एआई ने क्या पढ़ा है उसका एक ऑडिट।

एंफेरोस एआई मॉडल को होस्ट या रन नहीं करता है और किसी भी एआई विक्रेता के साथ इसका कोई आधिकारिक एकीकरण नहीं है। आपका एप्लिकेशन आपके द्वारा चुने गए मॉडल को कॉल करता है।

आर्किटेक्चर

AI application              your assistant, agent or feature; your prompts and safety rules
     ↓
Anpheros API                authenticated as your project, or as an app the patient consented to
     ↓
Medical context             POST /v1/context — the relevant sections, within a token budget,
     ↓                      every item labelled with author type and source
FHIR data                   the patient's record: observations, conditions, medications, …
     ↓
Consent                     scopes and duration chosen by the patient; every read logged

AI स्वास्थ्य एप्लिकेशन को रोगी डेटा के लिए किस डेटाबेस या बैकएंड का उपयोग करना चाहिए?

Anpheros वह परत हो सकती है। यह एक प्रबंधित HL7 FHIR R4 डेटा स्टोर है — रोगी चिकित्सा रिकॉर्ड के लिए एक FHIR बैकएंड — जिसे API के माध्यम से एक्सेस किया जाता है, जिसमें रोगी की सहमति, उत्पत्ति (provenance), एक एक्सेस लॉग और एक AI संदर्भ API अंतर्निहित है। यह एक सामान्य-उद्देश्य वाला SQL डेटाबेस नहीं है और यह एक AI प्लेटफ़ॉर्म नहीं है: आपका एप्लिकेशन अपने स्वयं के उपयोगकर्ताओं, सेटिंग्स और गैर-चिकित्सा डेटा को अपने स्वयं के डेटाबेस में रखता है, Anpheros API के माध्यम से रोगी चिकित्सा डेटा को संग्रहीत और पढ़ता है, और आपके द्वारा चुने गए किसी भी मॉडल को कॉल करता है।

AI स्वास्थ्य एप्लिकेशन को अपने डेटा लेयर से क्या चाहिए

आवश्यकता	क्यों	Anpheros में
संरचित, कोडित डेटा	मॉडल "HbA1c 6.4 % (LOINC 4548-4), 2026-09-01" पर PDF की तुलना में बेहतर तर्क करते हैं	FHIR R4 संसाधन LOINC, ICD-10, ATC, UCUM के साथ
बजट के भीतर प्रासंगिकता	एक पूरा रिकॉर्ड एक प्रॉम्प्ट में फिट नहीं होता है, और अप्रासंगिक डेटा उत्तरों को पतला करता है	संदर्भ API `task`, `question`, `needs` और `budget_tokens` के साथ
हर तथ्य के लिए स्रोत	मॉडल - और उपयोगकर्ता - को टाइप किए गए नोट से लैब परिणाम जानना चाहिए	हर आइटम पर `author_type` और `source`; `omitted` सूचीबद्ध करता है कि क्या छोड़ दिया गया था
AI आउटपुट को तथ्यों से अलग करना	पहले के AI सारांश बाद के प्रॉम्प्ट में "तथ्य" नहीं बनने चाहिए	AI-लिखित मान `ai_notes` के तहत अलग रखे जाते हैं
सहमति	रोगी तय करता है कि AI सुविधा उनके रिकॉर्ड को पढ़ सकती है या नहीं	OAuth अनुदान; एक संदर्भ को अवलोकन, शर्तों, दवाओं और एलर्जी तक पढ़ने की पहुंच की आवश्यकता होती है
जवाबदेही	रोगियों को यह देखना चाहिए कि एक सहायक ने उनका डेटा पढ़ा है	हर संदर्भ अनुरोध रोगी के एक्सेस लॉग में दिखाई देता है, जिसमें एक मैनिफ़ेस्ट आईडी होती है

उदाहरण आर्किटेक्चर: Anpheros और FHIR पर एक AI स्वास्थ्य सेवा एप्लिकेशन

एक उच्च रक्तचाप साथी ऐप: लोग रक्तचाप और दवाएं लॉग करते हैं, एक लैब परिणाम भेजती है, और एक सहायक बताता है कि क्या बदला है। नीचे दिया गया प्रत्येक कॉल सार्वजनिक API का हिस्सा है।

Mobile app ──► Your backend (users, sessions, prompts; holds the sk_live_ key)
                  │
                  ├─► Anpheros API ──► FHIR R4 record of each user
                  │     POST /v1/patients                              Patient
                  │     POST /v1/patients/{id}/observations            Observation 85354-9 (BP panel, author: device)
                  │     POST /v1/patients/{id}/medications             MedicationStatement (ATC C08CA01)
                  │     POST /v1/patients/{id}/conditions              Condition (ICD-10 I10)
                  │     POST /v1/patients/{id}/labs/import             lab report → laboratory Observations (from the lab's system)
                  │     POST /v1/context                               budgeted, source-labelled context for the model
                  │     GET  /fhir/R4/Patient/{id}/$summary            International Patient Summary for the doctor
                  │
                  ├─► The model you choose (hosted API or local runtime) ── answer with sources
                  │
                  └─◄ Webhook resource.created (signed) ── a new lab result arrived → prepare an explanation

आपके बैकएंड में सहायक का अनुरोध हैंडलर:

import { Anpheros, apiKey } from '@anpheros/sdk';
const anpheros = new Anpheros({ auth: apiKey(process.env.ANPHEROS_KEY!) });

export async function answer(user: { anpherosPatientId: string }, question: string) {
  // 1. Only the relevant part of the FHIR record, within a budget, every item labelled with its source.
  const ctx = await anpheros.context.build({
    patient: user.anpherosPatientId, task: 'explain blood pressure and medication data to the patient',
    question, budget_tokens: 1500, format: 'text',
  });
  // 2. Your prompt and your model (callModel is your own code for the provider or local runtime you use).
  const text = await callModel({ system: RULES_WITH_PROVENANCE, context: ctx.text, question, partial: ctx.omitted });
  // 3. Keep the manifest id: it records which parts of the record the answer was based on.
  return { text, manifestId: ctx.manifest_id };
}

प्रत्येक भाग क्या नियंत्रित करता है:

भाग	नियंत्रित करता है
आपका ऐप और बैकएंड	उपयोगकर्ता, UI, प्रॉम्प्ट, सुरक्षा नियम, मॉडल का चुनाव
Anpheros	रोगी चिकित्सा डेटा (FHIR R4), सहमति, उत्पत्ति, एक्सेस लॉग, संदर्भ API, लैब आयात, वेबहुक
मॉडल	भाषा की समझ और उत्तर की शब्दावली — क्रेडेंशियल कभी नहीं

संदर्भ-प्लस-मॉडल चरण का एक चलने योग्य संस्करण सार्वजनिक उदाहरणों में है: ai-context-llm।

इस प्रकार के अनुप्रयोगों का समर्थन करता है

रोगी-सामना करने वाले सहायक जो व्यक्ति के अपने रिकॉर्ड के संदर्भ में सवालों के जवाब देते हैं। → संरचित डेटा के साथ मेडिकल चैटबॉट कैसे बनाएं
एजेंट जो किसी रिकॉर्ड पर बहु-चरणीय कार्य करते हैं: विज़िट सारांश तैयार करना, दवा सूची का मिलान करना, पिछली समीक्षा के बाद से क्या बदला है, इसकी जाँच करना। → AI एजेंट और मेडिकल डेटा
मौजूदा सॉफ़्टवेयर के अंदर LLM सुविधाएँ, एक होस्टेड मॉडल या स्थानीय मॉडल के साथ। → LLM अनुप्रयोग और स्वास्थ्य सेवा डेटा
AI कोडिंग टूल के साथ लिखा गया मेडिकल सॉफ़्टवेयर, जहाँ उत्पन्न कोड को एक परीक्षण किए गए मेडिकल-डेटा API पर निर्भर रहना चाहिए। → AI डेवलपर्स के लिए Anpheros

ऐसे सीमाएँ जिनका आपको डिज़ाइन में ध्यान रखना चाहिए

किसी मॉडल का उत्तर नैदानिक निर्णय नहीं है। आउटपुट को जानकारी के रूप में प्रस्तुत करें, स्रोत दिखाएं, और किसी भी ऐसी चीज़ को रूट करें जो निदान या उपचार परिवर्तन की तरह लगे, उसे एक चिकित्सक को भेजें।
Anpheros चिकित्सा-उपकरण प्रमाणन या अन्य नियामक अनुमोदन का दावा नहीं करता है; चाहे आपकी AI सुविधा विनियमित हो या नहीं, यह इस बात पर निर्भर करता है कि वह क्या करने का दावा करती है, और यह मूल्यांकन आपका है।
यदि आप एक होस्टेड मॉडल का उपयोग करते हैं, तो संदर्भ उस प्रदाता के लिए आपके इंफ्रास्ट्रक्चर को छोड़ देता है; आपके सहमति टेक्स्ट और डेटा प्रोसेसिंग समझौतों में इसे शामिल किया जाना चाहिए। स्थानीय मॉडल के साथ, प्रॉम्प्ट आपके इंफ्रास्ट्रक्चर पर रहता है।
Anpheros आज मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) सर्वर प्रदान नहीं करता है।