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

Pattern sanitari per agenti AI (beta)

Cosa è cambiato nel record di un paziente e cosa si ripete, calcolato da regole statistiche fisse: trend, deviazioni dal livello abituale della persona e ricorrenza di sintomi, ognuno con il suo periodo, evidenza e limitazioni; non diagnosi.

Anpheros calcola cosa è cambiato nel record di un paziente e cosa si ripete, tramite regole statistiche fisse, e fornisce ciascun risultato alla tua applicazione o agente AI con il suo periodo, le risorse sottostanti, la versione del metodo e le sue limitazioni. Un modello non deve più indovinare un trend da una manciata di numeri: ottiene il trend, l'incertezza attorno ad esso e i dati da citare.

Beta. Nella sandbox funziona con qualsiasi credenziale sandbox (chiavi sk_test_… e connessioni OAuth sandbox). Sui record di produzione viene eseguito solo sotto il consenso OAuth di un paziente che include il permesso separato anpheros/patterns; le chiavi API di produzione restituiscono 403.

Cosa trova

Tipo	Domanda a cui risponde	Metodo
`trend`	Una misurazione sta aumentando o diminuendo nella finestra temporale?	Pendenza di Theil–Sen con Mann–Kendall su un valore al giorno (mediane settimanali per dati di monitoraggio densi), corretta quando i giorni vicini sono simili
`trend` (`change_between_results`)	Come è cambiato un test di laboratorio con due o cinque risultati?	Primo e ultimo risultato, con l'ultimo confrontato con l'intervallo di riferimento del referto; descritto, non testato
`trend` (`event_rate_change`)	Un sintomo viene registrato più o meno spesso?	Giorni con sintomi rispetto ai giorni in cui la persona ha registrato qualcosa, ultimi 30 giorni contro i 90 precedenti, test esatto
`baseline_deviation`	L'ultima settimana è insolita per questa persona?	Ultimi 7 giorni contro i giorni 8–60, Mann–Whitney o differenza di medie corretta per autocorrelazione
`recurrence`	Gli episodi di sintomi si ripresentano a intervalli regolari?	Intervalli tra l'inizio degli episodi, Monte Carlo con seed rispetto agli episodi posizionati casualmente
`association` (`around_medication_start`, sandbox)	Un sintomo viene registrato più o meno spesso dall'inizio di un farmaco?	Giorni con sintomi rispetto ai giorni attivi nei 30 giorni dall'inizio contro un massimo di 90 giorni precedenti, test esatto
`association` (`after_short_sleep`, sandbox)	Un sintomo viene registrato più spesso nei giorni con meno di 6 ore di sonno?	Giorni con sonno misurato e una registrazione della persona, notti brevi rispetto a notti più lunghe, test esatto di Fisher
`convergence` (`recent_changes_together`, sandbox)	Diverse cose sono cambiate nello stesso periodo recente?	Nessun nuovo test: raggruppa almeno due cambiamenti recenti (una settimana insolita, un sintomo più o meno frequente) che sono ciascuno statisticamente supportati; dice solo che sono accaduti insieme

Tutti i test di una singola esecuzione vengono corretti insieme (Benjamini–Hochberg). Un risultato è statistically_supported solo quando il valore q corretto è inferiore a 0.05 e la variazione è almeno la soglia per quella misurazione.

Cosa non è

Non è una diagnosi. I riscontri descrivono il record; non nominano mai una condizione né raccomandano una modifica del trattamento. Ogni riscontro riporta safety.not_a_diagnosis = true e safety.causal_claim = false.
Non è una causa. Una variazione dopo una nuova medicazione, o due elementi registrati insieme, non sono prova che uno abbia causato l'altro. Le associazioni indicano solo che due eventi si sono verificati circa nello stesso momento; ognuna riporta confounding_possible e not_causal, e solo le iniziazioni di farmaci e il sonno vengono testati rispetto ai sintomi, non ogni coppia. Attualmente solo con credenziali sandbox.
Non è un modello AI e non è ancora stato revisionato clinicamente. Ogni numero proviene da regole statistiche fisse e versionate; nessun modello AI analizza i dati. Le soglie per una variazione significativa sono state impostate con l'assistenza di AI e non sono ancora state revisionate da un clinico; ogni riscontro lo indica in review.thresholds_reviewed_by_clinician. Il motore è validato su pazienti sintetici con pattern noti e piantati: trova ciò che è stato piantato e rimane silenzioso quando non c'è nulla. Questa non è una validazione clinica.

Prova

Ogni progetto sandbox ha 30 pazienti sintetici, e sei di loro hanno uno schema preimpostato. Trova uno con GET /fhir/R4/Patient?identifier=https://anpheros.com/fhir/sid/sandbox-persona|<key>.

Paziente	Cosa è stato preimpostato	Cosa riporta il motore
p01 Andrei Popescu	Pressione sanguigna domiciliare giornaliera, in calo di circa 8/5 mmHg in sei mesi	`trend.decreasing` per la sistolica (8480-6) e la diastolica (8462-4)
p06 Giulia Rossi	Mal di testa ogni 7 giorni, più o meno uno	`recurrence.intervals` per mal di testa (R51)
p17 Ciarán Murphy	Stanchezza in circa la metà degli ultimi 30 giorni, rispetto a 1 giorno ogni 12 prima	`frequency.increased` per stanchezza (R53)
p19 Felix Gruber	Frequenza cardiaca a riposo da un orologio, circa 9 bpm sopra il suo livello abituale nell'ultima settimana	`baseline.higher` per frequenza cardiaca a riposo (40443-4)
p20 Ivana Horvat	Frequenza cardiaca a riposo da un orologio, in assestamento di circa 16 bpm in sei mesi	`trend.decreasing` per frequenza cardiaca a riposo (40443-4)
p30 Jan Kowalczyk	Dati densi dall'orologio e domiciliari senza nulla di preimpostato	nessun riscontro supportato: il motore rimane silenzioso

I progetti creati prima del 16 ottobre 2026 ottengono questi schemi dopo aver resettato i loro pazienti sintetici dalla dashboard; un reset sostituisce qualsiasi modifica apportata ad essi.

curl -s https://platform.anpheros.com/v1/patients/$PATIENT/patterns?window_days=180 \
  -H "Authorization: Bearer $ANPHEROS_KEY"

Con l'SDK TypeScript (@anpheros/sdk 0.2.0 o versioni successive):

const run = await anpheros.patterns.run(patientId, { window_days: 180, min_strength: 'moderate' });
for (const f of run.findings) console.log(f.summary_text, f.strength, f.limitations.map(l => l.code));

Con il server MCP, chiedi al tuo agente "Cosa è cambiato nel registro di questo paziente negli ultimi sei mesi?": chiama get_health_patterns, e può proseguire con get_pattern_evidence, get_series e compare_periods. POST /v1/context aggiunge una sezione patterns per domande su cambiamenti e relazioni, o quando richiedi il bisogno patterns.

Endpoint

Endpoint	Cosa restituisce
`GET /v1/patients/{id}/patterns`	un run: risultati, cosa non è stato possibile calcolare e perché, quale consenso è stato escluso; filtri `window_days` (30–730), `end`, `types`, `min_strength`
`GET /v1/patients/{id}/patterns/{finding_id}`	un singolo risultato, ricalcolato per la stessa finestra
`GET /v1/patients/{id}/patterns/{finding_id}/evidence`	ogni risorsa di supporto, paginata
`GET /v1/patients/{id}/series?code=…`	una singola misurazione come un valore al giorno, con copertura, lacune e modifiche della sorgente
`POST /v1/patients/{id}/patterns/compare`	una singola misurazione in due periodi a tua scelta

Lettura di un riscontro

summary_text: una frase semplice, sicura da mostrare o citare.
strength: strong, moderate, weak o not_tested. Riscontri deboli e non testati sono descrizioni, non prove.
window, comparison_window: i periodi analizzati.
evidence (fino a 20, distribuiti nel periodo) e evidence_total: le risorse dietro il riscontro, con versione, data, valore e tipo di autore.
limitations: codificato, con testo. Mostrali con il riscontro.
review: se un clinico ha esaminato le soglie (false per ora) e da dove provengono.
method, engine_version, input_fingerprint: gli stessi dati, configurazione e versioni danno lo stesso risultato e lo stesso id.

Regole da conoscere

Consenso prima di tutto. Nell'ambito di una concessione OAuth, il motore legge solo ciò che la concessione consente; ciò che non è stato possibile leggere è elencato in omitted, senza contenuto.
ID. I pazienti appaiono con l'ID pairwise del tuo progetto; gli ID di ricerca sono derivati per progetto. Quando il record cambia, una ricerca ottiene un nuovo ID e il vecchio risponde 404.
Ora. Quando l'ora di una lettura presenta un offset esplicito (2026-10-16T00:30:00+03:00), si basa sul giorno della persona; gli orari in UTC (Z) o senza offset rimangono nel giorno UTC. Ogni ricerca indica quale in time_basis (record_offsets, partly_local o local_time_unknown). I giorni locali sono utilizzati sui record sandbox e di produzione; i pattern orari non sono ancora stati calcolati.
Omessi. I valori scritti dall'IA, i risultati contrassegnati come entered-in-error e le date note solo al mese non vengono utilizzati e vengono conteggiati.
Limiti. 30 esecuzioni di pattern al minuto per credenziale, oltre alle solite 600 richieste al minuto.

Domande frequenti

Utilizza un modello linguistico?

No. Ogni numero proviene da metodi statistici fissi e versionati. Qualsiasi modello, ospitato o locale, può leggere i risultati.

Perché una chiara modifica nei miei dati viene contrassegnata come debole?

Perché l'evidenza non sopravvive alla correzione per tutti i test eseguiti, la serie è breve o rumorosa, o la modifica è al di sotto della soglia per quella misurazione. Il risultato descrive comunque ciò che il record mostra.

Funziona sui record di produzione?

Sì, dal 16 ottobre 2026, ma solo sotto il consenso OAuth di un paziente che include il permesso separato anpheros/patterns, che la schermata di consenso mostra su una riga separata. Richiedi lo scope accanto ai tuoi scope patient/…; una concessione senza di esso, e qualsiasi chiave API di produzione, restituisce 403.

Correlati

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