Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card
Cuidados virtuais e médicos de IA: os dados de que necessitam
Uma consulta virtual como dados FHIR R4 — agendamento, registo, leituras em casa, consulta, acompanhamento — e como um assistente de IA obtém uma vista consentida e com rótulo de origem. Fluxo testado.
Uma clínica virtual — quer o profissional de saúde seja uma pessoa em vídeo ou um assistente de IA a ajudá-lo — é tão boa quanto os dados do paciente que consegue ver antes, durante e após a visita: medições recentes, problemas e medicamentos ativos, o que o paciente relatou e um registo do que foi decidido. A videochamada é a parte fácil. Esta página mapeia uma visita virtual para recursos HL7 FHIR R4, mostra como um assistente de IA pode receber uma vista consentida e rotulada pela origem do registo, e executa todo o fluxo na Plataforma Anpheros, incluindo uma limitação que encontrámos durante o processo.
Uma visita virtual como dados
| Fase | O que acontece | Recursos FHIR R4 |
|---|---|---|
| Reserva | O paciente escolhe uma hora para uma visita por vídeo | Appointment |
| Admissão | O paciente responde a perguntas e relata sintomas | QuestionnaireResponse, Observation (categoria symptom) |
| Dados domésticos | Leituras de um medidor de pressão arterial, balança ou relógio desde a última visita | Observation (sinais vitais, atividade), marcados como dados de dispositivo |
| Preparação | O clínico, ou um assistente de IA para ele, revê o registo | ler: Condition, MedicationStatement, AllergyIntolerance, Observation, DocumentReference |
| A visita | Quem, quando, porquê e que foi virtual | Encounter com class = VR (virtual) |
| Resultado | Diagnóstico, alterações de medicação, exames pedidos, acompanhamento | Condition, MedicationStatement, ServiceRequest, CarePlan, Appointment |
| Rastreio | Quem escreveu cada item, de que sistema | Provenance em cada escrita |
Duas coisas tornam isto diferente de uma visita presencial. O clínico depende mais dos dados que o paciente produziu (leituras domésticas, questionários), pelo que o registo deve mostrar quais os valores que vieram de um dispositivo ou do paciente e quais vieram de um clínico. E a etapa de preparação é onde a IA é mais útil hoje em dia — resumindo meses de leituras no que mudou — pelo que o registo deve ser legível por software dentro do consentimento do paciente.
Onde a IA se encaixa e o que deve ver
| Papel da IA | Dados de que necessita | Dados que não deve receber |
|---|---|---|
| Assistente de triagem (fala com o paciente antes da consulta) | Problemas ativos e medicação, para fazer perguntas relevantes | Notas e documentos de que não necessita |
| Resumo pré-consulta para o clínico | Tendências de medições recentes, novos sintomas, alterações de medicação, resultados recentes | Anos de histórico bruto para além da questão |
| Rascunho de documentação após a consulta | O encontro, o que foi discutido, o resultado | Dados de outros pacientes, em qualquer altura |
| Check-ins de acompanhamento | O plano de cuidados e as medições que solicita | Qualquer coisa fora do plano |
As regras comuns: dar a cada papel de IA a menor fatia que responda à sua questão, rotular a origem de cada valor para que o modelo e o clínico possam ponderar uma leitura caseira contra um resultado de laboratório, registar cada leitura para que o paciente possa ver o que uma IA viu, e manter um humano no circuito para qualquer diagnóstico. IA que diagnostica ou recomenda tratamento pode ser regulamentada como software de dispositivo médico (pela FDA nos Estados Unidos; ao abrigo do Regulamento de Dispositivos Médicos e do Ato da IA na União Europeia); uma plataforma de dados não altera isso.
O fluxo no Anpheros, passo a passo
O código abaixo utiliza o SDK TypeScript do Anpheros e foi executado contra uma instância local da plataforma com uma chave de sandbox. O paciente já tem três leituras de pressão arterial domiciliária de um esfigmomanómetro (author_type: device), hipertensão como condição e enalapril como medicação.
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' });
O contexto retornado no passo 2 (487 dos 700 tokens; isto é o que colocaria à frente de um modelo ou mostraria ao clínico):
## 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]
Cada linha carrega a sua origem — [device] para o esfigmomanómetro, [patient] para o sintoma — e a leitura é registada no log de acesso. A proveniência do encontro mostra practitioner de video-clinic, e a linha temporal do paciente lê agora: encontro virtual, a consulta por videochamada, a tontura, as três leituras de pressão arterial, a medicação e a condição.
O que descobrimos ao executá-lo: a API de contexto não inclui respostas QuestionnaireResponse hoje. A primeira execução, com a tontura apenas no questionário, produziu um resumo sem qualquer menção a ela. Registe os sintomas que o paciente relata como Observations com a categoria symptom (como acima), ou passe o questionário para o seu modelo você mesmo.
Conceder acesso a um agente de IA com consentimento
Quando a IA é executada na aplicação de outra pessoa, não obtém a sua chave de projeto. A aplicação solicita o consentimento do paciente através de OAuth 2.1 e SMART on FHIR, com âmbitos (scopes) tão restritos quanto patient/Observation.rs?category=vital-signs, por um período fixo, revogável a qualquer momento. Um agente pode também aceder ao registo através do servidor Anpheros MCP, apenas para leitura, a menos que o paciente permita mais. Consulte Como conceder a um agente de IA acesso a registos médicos e o servidor FHIR MCP.
O que o Anpheros faz e não faz
O Anpheros fornece o registo e os controlos à sua volta: armazenamento FHIR R4 para cada recurso na tabela acima, consentimento por aplicação, proveniência em cada escrita, um registo de acesso que o paciente pode ver e a API de contexto que transforma o registo num resumo orçamentado e rotulado para um modelo.
Não fornece videochamadas, ecrãs de agendamento, prescrição eletrónica, faturação ou suporte à decisão clínica, e não aloja nem escolhe modelos de IA. Uma clínica virtual construída sobre ele traz essas funcionalidades e a responsabilidade clínica, por si só.
Perguntas Frequentes
O que é um médico virtual?
Um clínico que atende pacientes remotamente, por vídeo, telefone ou mensagem. O termo também é usado para assistentes de IA que conversam com pacientes; na prática, estes assistem um clínico humano em vez de o substituir, e dependem dos mesmos dados do paciente.
Que recurso FHIR marca uma visita como virtual?
Encounter.class com o v3 ActCode VR ("virtual"). A marcação é um Appointment; a admissão é um QuestionnaireResponse e, para sintomas, Observations.
Que dados um assistente médico de IA necessita?
Apenas o que a sua tarefa requer: para um resumo pré-visita, tendências de medição recentes, novos sintomas, problemas ativos e medicamentos, e resultados recentes — cada um rotulado com a sua origem e hora. Dê-lhe um contexto orçamentado em vez do registo completo.
Como separo os dados reportados pelo paciente e de dispositivos dos dados clínicos?
Registe quem escreveu cada item. No Anpheros, cada escrita carrega um tipo de autor — paciente, dispositivo, praticante, importação ou IA — e o contexto dado a um modelo rotula cada linha com ele.
Uma assistente de IA pode ler o registo de um paciente sem o seu consentimento?
Não no Anpheros. Uma aplicação diferente da que criou o registo necessita do consentimento OAuth do paciente, limitado aos escopos e período que escolheu, e cada leitura aparece no seu registo de acesso.
Relacionado
- Aplicações de IA na saúde
- Como criar uma aplicação de IA na saúde com um backend FHIR
- Como criar um chatbot médico com dados estruturados
- Dados de wearables em FHIR: as leituras domésticas em que uma visita virtual se baseia
- Como criar uma aplicação de registo de saúde pessoal
- Proveniência de dados médicos explicada
- Monitorização remota de pacientes com FHIR
- Dados de medicação para aplicações de saúde e agentes de IA
Try it free in the sandbox · first FHIR call in 5 minutesFree · 30 synthetic patients · no card