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

Aplicații LLM și date din domeniul sănătății

Utilizarea modelelor lingvistice mari cu date din domeniul sănătății: cererea și răspunsul API-ului de context, modele cloud și locale, sisteme agentice, recuperare versus context și promptare cu proveniență.

O aplicație care utilizează un model lingvistic mare cu date medicale trebuie să rezolve o problemă pe care modelul nu o poate rezolva: ce parte din dosarul unui pacient să introducă în prompt și cum să o eticheteze, astfel încât modelul să poată distinge faptele de note. Anpheros o rezolvă pe partea de date cu un API de context: având un pacient, o sarcină și un buget de tokeni, returnează secțiunile relevante din dosarul HL7 FHIR R4 al pacientului, fiecare element fiind etichetat cu sursa sa. Aplicația dvs. trimite acel context modelului pe care îl alegeți — găzduit sau local.

Cum conectez un LLM la date medicale FHIR? Păstrați dosarele într-un depozit FHIR la care modelul nu poate accesa direct — cu Anpheros, dosarul HL7 FHIR R4 al pacientului — solicitați un context bugetat și etichetat cu sursa (POST /v1/context) și introduceți acel context în promptul modelului pe care îl alegeți. Modelul nu primește niciodată credențiale de bază de date sau API; aplicația dvs. efectuează apelurile, în cadrul consimțământului pacientului.

Anpheros nu rulează modele și nu are integrare nativă cu niciun furnizor de modele sau runtime local.

Modelul

1. your app  ── POST /v1/context {patient, task, question, budget_tokens, format} ──►  Anpheros
2. Anpheros  ── sections + text + omitted + warnings + manifest_id ──────────────────►  your app
3. your app  ── system prompt + context + user question ─────────────────────────────►  the model
4. the model ── answer ───────────────────────────────────────────────────────────────►  your app
5. your app  ── optional write-back with author_type "ai" ──────────────────────────►  Anpheros

Cererea de context

curl -X POST https://platform.anpheros.com/v1/context -H "Authorization: Bearer $TOKEN" -H 'content-type: application/json' -d '{
  "patient": "'$PID'",
  "task": "medication review before a cardiology visit",
  "question": "How did blood pressure evolve over the last 3 months?",
  "budget_tokens": 1500,
  "format": "text"
}'

Răspunsul de context

• sections — de exemplu, un card rezumat, afecțiuni, medicamente, alergii, imunizări, rezultate de laborator, semne vitale cu tendințe săptămânale și markeri înainte/după tratament, simptome, cronologie și documente. Fiecare element poartă author_type și source.
• omitted — ce nu a încăput în buget; spuneți modelului că contextul său este parțial.
• warnings, provenance_note.
• text — când format este text.
• manifest_id — înregistrarea secțiunilor și surselor utilizate, legată de jurnalul de acces.
• o secțiune ai_notes — valorile scrise anterior de un AI apar doar acolo, marcate ca neverificate, niciodată amestecate cu secțiunile clinice.

Modele cloud

Cu un model găzduit — de la OpenAI, Anthropic, Google, xAI sau alt furnizor — backend-ul dumneavoastră plasează contextul în prompt și apelează API-ul furnizorului. Contextul părăsește infrastructura dumneavoastră pentru acel furnizor, prin urmare:

• asigurați-vă că consimțământul pacientului și notificarea dumneavoastră de confidențialitate acoperă trimiterea datelor către acesta;
• aveți un acord de procesare a datelor cu furnizorul care se potrivește datelor medicale;
• trimiteți doar ceea ce necesită sarcina — bugetul de token-uri și needs explicit ajută.

Modele locale

Cu un model pe care îl rulați singur — de exemplu, prin Ollama sau alt runtime local — singura apelare de rețea care transportă date despre pacienți este cea dintre backend-ul dumneavoastră și Anpheros; prompt-ul și răspunsul rămân pe infrastructura dumneavoastră. Modelele locale mai mici au ferestre de context mai mici: budget_tokens mai scăzute în consecință și preferă format: "text".

Sisteme agentice

Când modelul decide ce apeluri să facă, oferiți-i instrumente (context, căutare, cronologie) în loc de credențiale brute, mențineți scopurile restrânse și înregistrați fiecare manifest_id lângă răspuns. Agenți AI și date medicale

API Context sau propria dvs. preluare?

O conductă de preluare peste text liber (încapsularea bucăților de documente și căutarea lor) este utilă pentru note nestructurate. Pentru date medicale structurate, API-ul de context este de obicei mai simplu și mai sigur: funcționează pe resurse FHIR codificate, păstrează proveniența, cunoaște tendințele și perioadele de tratament, respectă consimțământul și este auditat. Cele două pot fi combinate — de exemplu, context de la Anpheros plus pasaje preluate din documente pe care le gestionați.

Prompting cu proveniență

Păstrați etichetele în prompt și spuneți modelului ce înseamnă acestea:

The context below comes from the patient's record. Each item is labelled with its author type
(patient, practitioner, device, import, derived) and source. Items under ai_notes were written by an
AI earlier and are not verified. Say which items your answer relies on. If the context is marked as
partial, say so. Do not give a diagnosis or change a treatment; suggest discussing it with a clinician.

Conexe

• Aplicații de sănătate bazate pe AI
• Agenți AI și date medicale
• Cum să construiești un chatbot medical cu date structurate
• Securitate, confidențialitate și rezidența datelor

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