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

Wirtualna opieka i lekarze AI: potrzebne dane

Wizyta wirtualna jako dane FHIR R4 — rezerwacja, przyjęcie, odczyty domowe, wizyta, kontrola — i jak asystent AI uzyskuje dostępny za zgodą, opatrzony źródłem widok. Przetestowany przepływ.

Klinika wirtualna — niezależnie od tego, czy lekarzem jest osoba na wideo, czy asystent AI, który jej pomaga — jest tak dobra, jak dane pacjenta, które może zobaczyć przed, w trakcie i po wizycie: ostatnie pomiary, aktywne problemy i leki, to, co zgłosił pacjent, oraz zapis tego, co zostało postanowione. Rozmowa wideo to łatwa część. Ta strona mapuje wizytę wirtualną na zasoby HL7 FHIR R4, pokazuje, jak asystentowi AI można nadać zatwierdzony, oznaczony źródłowo widok rekordu, i uruchamia cały przepływ na Anpheros Platform, w tym jedną ograniczenie, które znaleźliśmy podczas tego procesu.

Wirtualna wizyta jako dane

Dwie rzeczy odróżniają to od wizyty osobistej. Lekarz bardziej polega na danych wyprodukowanych przez pacjenta (odczyty domowe, kwestionariusze), więc dokumentacja musi pokazywać, które wartości pochodzą z urządzenia lub od pacjenta, a które od lekarza. A etap przygotowania to miejsce, gdzie AI jest dziś najbardziej użyteczna — podsumowując miesięczne odczyty do tego, co się zmieniło — więc dokumentacja musi być czytelna dla oprogramowania za zgodą pacjenta.

Gdzie sztuczna inteligencja pasuje i co powinna widzieć

Ogólne zasady: każdej roli AI należy zapewnić najmniejszy fragment danych, który odpowiada na jej pytanie, oznaczać źródło każdej wartości, aby model i lekarz mogli porównać odczyt domowy z wynikiem laboratoryjnym, rejestrować każdy odczyt, aby pacjent mógł zobaczyć, co widziała sztuczna inteligencja, i zachować człowieka w pętli w przypadku wszelkich działań diagnostycznych. Sztuczna inteligencja diagnozująca lub zalecająca leczenie może być regulowana jako oprogramowanie wyrobu medycznego (przez FDA w Stanach Zjednoczonych; w ramach Rozporządzenia o Wyrobach Medycznych i Aktu o Sztucznej Inteligencji w Unii Europejskiej); platforma danych tego nie zmienia.

Przepływ w Anpheros, krok po kroku

Poniższy kod wykorzystuje Anpheros TypeScript SDK i został uruchomiony na lokalnej instancji platformy z kluczem sandbox. Pacjent ma już trzy odczyty ciśnienia krwi z domu uzyskane za pomocą mankietu (author_type: device), nadciśnienie jako schorzenie i enalapryl jako lek.

import { Anpheros, apiKey } from '@anpheros/sdk';

const anpheros = new Anpheros({ auth: apiKey(process.env.ANPHEROS_KEY!) });
const subject = { reference: `Patient/${patientId}` };

// 1. Before the visit: the booking and the intake questionnaire
await anpheros.fhir.create({ resourceType: 'Appointment', status: 'booked', description: 'Video visit: blood pressure follow-up',
  start: '2026-10-14T15:00:00-05:00', end: '2026-10-14T15:20:00-05:00',
  participant: [{ actor: subject, status: 'accepted' }] } as any);
await anpheros.fhir.create({ resourceType: 'QuestionnaireResponse', status: 'completed', subject, authored: '2026-10-14T09:12:00-05:00',
  item: [
    { linkId: 'reason', text: 'What would you like to discuss?', answer: [{ valueString: 'Higher readings this week and dizziness in the morning' }] },
    { linkId: 'missed-doses', text: 'Did you miss any doses in the last 7 days?', answer: [{ valueBoolean: false }] },
  ] } as any, { author_type: 'patient' });

// The symptom itself, as a patient-reported Observation, so it reaches the context below
await anpheros.observations.create(patientId, { code: 'R42', system: 'http://hl7.org/fhir/sid/icd-10', display: 'Dizziness and giddiness',
  category: 'symptom', effective_at: '2026-10-13T07:45:00-05:00', value_text: 'Dizzy for a few minutes after getting up', author_type: 'patient' });

// 2. What the clinician (or an AI assistant helping them) reads: a budgeted, source-labelled context
const ctx = await anpheros.context.build({ patient: patientId, task: 'prepare a video visit',
  question: 'blood pressure trend and dizziness in the last 2 weeks', budget_tokens: 700, format: 'text' });

// 3. After the visit: the encounter, written as the clinician
const encounter = await anpheros.fhir.create({ resourceType: 'Encounter', status: 'finished',
  class: { system: 'http://terminology.hl7.org/CodeSystem/v3-ActCode', code: 'VR', display: 'virtual' },
  subject, period: { start: '2026-10-14T15:02:00-05:00', end: '2026-10-14T15:18:00-05:00' },
  reasonCode: [{ text: 'Blood pressure follow-up' }] } as any, { author_type: 'practitioner', source_system: 'video-clinic' });

Kontekst zwrócony w kroku 2 (487 z 700 tokenów; to jest to, co umieściłbyś przed modelem lub pokazał lekarzowi):

## Summary
Maria Lopez, 58 y, female. Active conditions: Essential (primary) hypertension. Active medications: Enalapril 10 mg.
Allergies: none recorded. Record: 0 lab values, 3 vital signs, 0 documents. As of 2026-10-13.
## Vitals
- Blood pressure panel: latest 2026-10-12 146/90 mm[Hg] ; weekly 2026-10-05: 150/93.5; 2026-10-12: 146/90 [device]
## Symptoms
- Dizziness and giddiness: 1 occurrence(s): 2026-10-13 [patient]
## Timeline
- 2026-10-13 symptom: Dizziness and giddiness: Dizzy for a few minutes after getting up [patient]

Każda linia niesie swoje źródło — [device] dla mankietu, [patient] dla objawu — a odczyt jest rejestrowany w dzienniku dostępu. Pochodzenie wizyty pokazuje practitioner z video-clinic, a oś czasu pacjenta wygląda teraz następująco: wirtualna wizyta, wizyta wideo, zawroty głowy, trzy odczyty ciśnienia krwi, lek i schorzenie.

Co znaleźliśmy podczas uruchamiania: API kontekstu nie zawiera dziś odpowiedzi QuestionnaireResponse. Pierwsze uruchomienie, z zawrotami głowy tylko w kwestionariuszu, wygenerowało podsumowanie bez ich wzmianki. Zapisuj objawy zgłaszane przez pacjenta jako Observation o kategorii symptom (jak powyżej) lub przekaż kwestionariusz swojemu modelowi samodzielnie.

Udzielanie agentowi AI dostępu za zgodą

Gdy AI działa w aplikacji innej osoby, nie otrzymuje klucza projektu. Aplikacja prosi pacjenta o zgodę za pośrednictwem OAuth 2.1 i SMART on FHIR, z zakresami uprawnień tak wąskimi jak patient/Observation.rs?category=vital-signs, na określony czas, z możliwością cofnięcia w dowolnym momencie. Agent może również uzyskać dostęp do rekordu poprzez serwer Anpheros MCP, tylko do odczytu, chyba że pacjent zezwoli na więcej. Zobacz Jak udzielić agentowi AI dostępu do dokumentacji medycznej i Serwer FHIR MCP.

Co Anpheros robi, a czego nie robi

Anpheros zapewnia rejestr i mechanizmy kontroli wokół niego: przechowywanie zasobów FHIR R4 dla każdego zasobu z powyższej tabeli, zgody na aplikację, dane o pochodzeniu przy każdym zapisie, dziennik dostępu widoczny dla pacjenta oraz API kontekstowe, które przekształca rejestr w budżetowane, oznaczone podsumowanie dla modelu.

Nie zapewnia wideorozmów, ekranów planowania, e-recept, rozliczeń ani wsparcia decyzji klinicznych, a także nie hostuje ani nie wybiera modeli AI. Wirtualna klinika zbudowana na jego podstawie zapewnia te elementy oraz odpowiedzialność kliniczną.

Często zadawane pytania

Czym jest wirtualny lekarz?

Lekarz, który przyjmuje pacjentów zdalnie, za pośrednictwem wideo, telefonu lub wiadomości. Termin ten jest również używany w odniesieniu do asystentów AI, którzy rozmawiają z pacjentami; w praktyce asystenci ci wspierają lekarza, a nie go zastępują, i opierają się na tych samych danych pacjenta.

Który zasób FHIR oznacza wizytę jako wirtualną?

Encounter.class z kodem v3 ActCode VR ("virtual"). Rezerwacja to Appointment; przyjęcie to QuestionnaireResponse, a w przypadku objawów, Observation.

Jakie dane są potrzebne asystentowi medycznemu AI?

Tylko te, które są wymagane do wykonania jego zadania: dla podsumowania przed wizytą, ostatnich trendów pomiarów, nowych objawów, aktywnych problemów i leków oraz ostatnich wyników — każdy opatrzony etykietą źródła i czasu. Należy dostarczyć mu ograniczony kontekst, a nie cały rekord.

Jak oddzielić dane zgłoszone przez pacjenta i dane z urządzeń od danych klinicznych?

Należy zapisać, kto utworzył każdy wpis. W Anpheros każde zapisanie zawiera typ autora — pacjent, urządzenie, praktykujący lekarz, import lub AI — a kontekst podany modelowi oznacza każdą linię tym typem.

Czy asystent AI może odczytać rekord pacjenta bez jego zgody?

Nie w Anpheros. Aplikacja inna niż ta, która utworzyła rekord, wymaga zgody OAuth pacjenta, ograniczonej do wybranych przez niego zakresów i okresu, a każde odczytanie pojawia się w jego dzienniku dostępu.

Powiązane

• Aplikacje AI w służbie zdrowia
• Jak zbudować aplikację AI w służbie zdrowia z backendem FHIR
• Jak zbudować medyczny chatbot z danymi ustrukturyzowanymi
• Dane z urządzeń noszonych w FHIR: odczyty domowe, na których opiera się wirtualna wizyta
• Jak zbudować aplikację osobistej dokumentacji medycznej
• Wyjaśnienie pochodzenia danych medycznych
• Zdalne monitorowanie pacjentów z FHIR
• Dane dotyczące leków dla aplikacji medycznych i agentów AI

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