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

AI 의료 애플리케이션

AI 의료 애플리케이션이 데이터 계층에서 필요로 하는 것 — 구조화된 데이터, 관련성, 출처, 동의, 책임 — 그리고 Anpheros가 모델을 호스팅하지 않고 이를 제공하는 방법.

AI 헬스케어 애플리케이션은 머신러닝 모델 — 일반적으로 대규모 언어 모델 — 을 사용하여 사람이나 임상의가 건강 정보에 도움을 받도록 합니다: 개인의 기록에 대한 질문에 답변, 결과 요약, 방문 준비, 추세 파악. 그 품질은 모델이 받는 환자 컨텍스트에 따라 달라지며, 신뢰성은 해당 컨텍스트를 둘러싼 규칙에 따라 달라집니다. Anpheros는 이러한 애플리케이션을 위한 의료 데이터 계층을 제공합니다: 환자의 HL7 FHIR R4 기록에 대한 동의된 액세스, 모델에 관련 부분을 준비하는 컨텍스트 API, 그리고 AI가 읽은 내용에 대한 감사 기록.

Anpheros는 AI 모델을 호스팅하거나 실행하지 않으며, 어떤 AI 공급업체와도 공식적인 통합을 하지 않습니다. 귀하의 애플리케이션은 선택한 모델을 호출합니다.

아키텍처

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 의료 애플리케이션에서 환자 데이터를 위해 어떤 데이터베이스 또는 백엔드를 사용해야 할까요?

Anpheros가 그 계층이 될 수 있습니다. Anpheros는 관리형 HL7 FHIR R4 데이터 저장소로, 환자 의료 기록을 위한 FHIR 백엔드이며, API를 통해 접근할 수 있습니다. 환자 동의, 출처, 접근 로그 및 AI 컨텍스트 API가 내장되어 있습니다. Anpheros는 범용 SQL 데이터베이스가 아니며 AI 플랫폼도 아닙니다. 애플리케이션은 자체 사용자, 설정 및 비의료 데이터를 자체 데이터베이스에 유지하고, Anpheros API를 통해 환자 의료 데이터를 저장 및 읽으며, 선택한 모델을 호출합니다.

AI 의료 애플리케이션이 데이터 계층에서 필요로 하는 것

예시 아키텍처: Anpheros 및 FHIR 기반 AI 헬스케어 애플리케이션

고혈압 동반 앱: 사용자는 혈압과 복용 중인 약물을 기록하고, 검사실은 검사 결과를 전송하며, 어시스턴트가 변경된 사항을 설명합니다. 아래의 모든 호출은 공개 API의 일부입니다.

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

백엔드의 어시스턴트 요청 핸들러:

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 };
}

각 부분의 소유권:

컨텍스트-플러스-모델 단계의 실행 가능한 버전은 공개 예제에서 확인할 수 있습니다: ai-context-llm.

지원하는 애플리케이션 종류

• 환자 중심 어시스턴트: 개인의 기록을 맥락에 맞게 질문에 답변합니다. → 구조화된 데이터로 의료 챗봇 구축 방법
• 에이전트: 기록에 대해 여러 단계의 작업을 수행합니다. 방문 요약 준비, 약물 목록 조정, 마지막 검토 이후 변경 사항 확인 등. → AI 에이전트 및 의료 데이터
• 기존 소프트웨어 내 LLM 기능: 호스팅된 모델 또는 로컬 모델을 사용합니다. → LLM 애플리케이션 및 의료 데이터
• AI 코딩 도구로 작성된 의료 소프트웨어: 생성된 코드가 테스트된 의료 데이터 API에 의존하도록 합니다. → AI 개발자를 위한 Anpheros

고려해야 할 제한 사항

• 모델의 답변은 임상적 결정이 아닙니다. 출력을 정보로 제시하고, 출처를 표시하며, 진단이나 치료 변경으로 보이는 것은 모두 임상의에게 전달하십시오.
• Anpheros는 의료 기기 인증 또는 기타 규제 승인을 주장하지 않습니다. AI 기능이 규제 대상인지 여부는 해당 기능이 수행한다고 주장하는 내용에 따라 다르며, 이 평가는 귀하의 책임입니다.
• 호스팅된 모델을 사용하는 경우, 컨텍스트는 해당 제공업체로 귀하의 인프라를 벗어납니다. 동의서 텍스트 및 데이터 처리 계약에 이를 포함해야 합니다. 로컬 모델의 경우, 프롬프트는 귀하의 인프라에 유지됩니다.
• Anpheros는 현재 Model Context Protocol (MCP) 서버를 제공하지 않습니다.

관련 자료

• FHIR 백엔드를 사용한 AI 헬스케어 앱 구축 방법: TypeScript 단계별 튜토리얼
• AI 에이전트에게 의료 기록 접근 권한 부여 방법: Python 단계별 튜토리얼
• AI 에이전트와 의료 데이터
• LLM 애플리케이션과 헬스케어 데이터
• 구조화된 데이터로 의료 챗봇 구축 방법
• AI 개발자를 위한 Anpheros
• 의료 데이터 인프라
• 가상 진료 및 AI 의사: 필요한 환자 데이터

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