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

ИИ-приложения в здравоохранении

Что требуется ИИ-приложениям в сфере здравоохранения от их слоя данных — структурированные данные, релевантность, источники, согласие, подотчетность — и как Anpheros предоставляет это без хостинга моделей.

AI-приложение в здравоохранении использует модель машинного обучения — как правило, большую языковую модель — для помощи людям или клиницистам с медицинской информацией: отвечая на вопросы о записи пациента, обобщая результаты, подготавливая к визиту, выявляя тенденции. Его качество зависит от контекста пациента, который получает модель, а его надежность — от правил, окружающих этот контекст. Anpheros предоставляет слой медицинских данных для таких приложений: доступ с согласия к записи пациента в формате HL7 FHIR R4, API контекста, который подготавливает релевантную часть записи для модели, и аудит того, что прочитал ИИ.

Anpheros не размещает и не запускает AI-модели и не имеет официальной интеграции с каким-либо поставщиком ИИ. Ваше приложение вызывает выбранную вами модель.

Архитектура

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

Какую базу данных или бэкенд следует использовать приложению ИИ для работы с медицинскими данными пациентов?

Anpheros может быть таким слоем. Это управляемое хранилище данных HL7 FHIR R4 — бэкенд FHIR для медицинских записей пациентов — доступ к которому осуществляется через API, с учетом согласия пациента, происхождения данных, журнала доступа и встроенного API контекста ИИ. Это не универсальная SQL-база данных и не платформа ИИ: ваше приложение ведет учет собственных пользователей, настроек и немедицинских данных в собственной базе данных, сохраняет и считывает медицинские данные пациентов через API Anpheros и вызывает любую выбранную вами модель.

Что требуется приложению ИИ в сфере здравоохранения от слоя данных

Пример архитектуры: приложение для ИИ в здравоохранении на Anpheros и FHIR

Приложение-компаньон для контроля гипертонии: пользователи регистрируют артериальное давление и принимаемые лекарства, лаборатория отправляет результаты, а ассистент объясняет, что изменилось. Каждый вызов ниже является частью публичного API.

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

Обработчик запросов ассистента в вашем бэкенде:

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 };
}

Что принадлежит каждой части:

Рабочий вариант шага "контекст плюс модель" находится в публичных примерах: ai-context-llm.

Типы поддерживаемых приложений

• Ассистенты для пациентов, отвечающие на вопросы с учетом личных данных пользователя. → Как создать медицинский чат-бот со структурированными данными
• Агенты, выполняющие многошаговые операции с записями: подготовка резюме визита, сверка списка медикаментов, проверка изменений с момента последнего обзора. → AI-агенты и медицинские данные
• Функции LLM в существующем программном обеспечении, с использованием размещенной или локальной модели. → LLM-приложения и медицинские данные
• Медицинское программное обеспечение, написанное с помощью AI-инструментов кодирования, где сгенерированный код должен полагаться на протестированный API медицинских данных. → Anpheros для AI-разработчиков

Пределы, которые следует учитывать при проектировании

• Ответ модели не является клиническим решением. Представляйте выходные данные в виде информации, указывайте источники и направляйте все, что похоже на диагноз или изменение лечения, к клиницисту.
• Anpheros не претендует на сертификацию медицинского изделия или другие нормативные одобрения; регулируется ли ваша функция ИИ, зависит от того, что она заявляет, и эта оценка лежит на вас.
• Если вы используете размещенную модель, контекст покидает вашу инфраструктуру для этого поставщика; ваш текст согласия и соглашения об обработке данных должны охватывать это. При использовании локальной модели запрос остается в вашей инфраструктуре.
• Anpheros в настоящее время не предоставляет сервер протокола контекста модели (MCP).

Связанные материалы

• Как создать приложение для ИИ в сфере здравоохранения с бэкендом FHIR: пошаговое руководство на TypeScript
• Как предоставить ИИ-агенту доступ к медицинским записям: пошаговое руководство на Python
• ИИ-агенты и медицинские данные
• Приложения LLM и медицинские данные
• Как создать медицинский чат-бот со структурированными данными
• Anpheros для разработчиков ИИ
• Инфраструктура медицинских данных
• Виртуальная помощь и ИИ-врачи: необходимые им данные пациентов

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