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

AI zdravotnícke aplikácie

Čo potrebujú AI zdravotnícke aplikácie od svojej dátovej vrstvy — štruktúrované údaje, relevantnosť, zdroje, súhlas, zodpovednosť — a ako ich Anpheros poskytuje bez hostovania modelov.

AI zdravotnícka aplikácia využíva model strojového učenia — zvyčajne rozsiahly jazykový model — na pomoc ľuďom alebo klinickým lekárom so zdravotnými informáciami: odpovedanie na otázky týkajúce sa záznamu pacienta, sumarizácia výsledkov, príprava na návštevu, identifikácia trendov. Jeho kvalita závisí od kontextu pacienta, ktorý model prijíma, a jeho dôveryhodnosť od pravidiel okolo tohto kontextu. Anpheros poskytuje dátovú vrstvu pre medicínske dáta pre takéto aplikácie: súhlasný prístup k záznamu pacienta podľa HL7 FHIR R4, kontextové API, ktoré pripraví relevantnú časť záznamu pre model, a audit toho, čo AI prečítala.

Anpheros nehostuje ani nespúšťa AI modely a nemá žiadnu oficiálnu integráciu s žiadnym AI dodávateľom. Vaša aplikácia volá model, ktorý si vyberiete.

Architektúra

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

Akú databázu alebo backend by mala aplikácia AI pre zdravotníctvo používať pre dáta pacientov?

Anpheros môže byť tou vrstvou. Je to spravovaný HL7 FHIR R4 dátový sklad — FHIR backend pre lekárske záznamy pacientov — prístupný cez API, s integrovaným súhlasom pacienta, pôvodom dát, denníkom prístupov a AI kontextovým API. Nie je to všeobecná SQL databáza a nie je to AI platforma: vaša aplikácia si uchováva vlastných používateľov, nastavenia a nesúvisiace lekárske dáta vo svojej vlastnej databáze, ukladá a číta lekárske dáta pacientov prostredníctvom Anpheros API a volá akýkoľvek model, ktorý si vyberiete.

Čo potrebuje aplikácia AI v zdravotníctve od svojej dátovej vrstvy

Príklad architektúry: AI zdravotnícka aplikácia na Anpheros a FHIR

Aplikácia na sledovanie hypertenzie: používatelia zaznamenávajú krvný tlak a lieky, laboratórium posiela výsledky a asistent vysvetľuje, čo sa zmenilo. Každý nižšie uvedený hovor je súčasťou verejného 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

Handler požiadaviek asistenta vo vašom backendovom systéme:

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 };
}

Čo vlastní každá časť:

Spustiteľná verzia kroku kontext-plus-model je vo verejných príkladoch: ai-context-llm.

Typy podporovaných aplikácií

• Asistenti pre pacientov, ktorí odpovedajú na otázky s kontextom vlastného záznamu pacienta. → Ako vytvoriť lekársky chatbot so štruktúrovanými údajmi
• Agenti, ktorí vykonávajú viacstupňové operácie nad záznamom: príprava súhrnu návštevy, zosúladenie zoznamu liekov, kontrola zmien od poslednej revízie. → AI agenti a lekárske údaje
• Funkcie LLM v existujúcom softvéri, s hostovaným alebo lokálnym modelom. → LLM aplikácie a zdravotnícke údaje
• Lekársky softvér napísaný pomocou AI nástrojov na kódovanie, kde vygenerovaný kód by sa mal spoliehať na otestované API pre lekárske údaje. → Anpheros pre AI vývojárov

Limity, na ktoré by ste mali pamätať pri návrhu

• Odpoveď modelu nie je klinické rozhodnutie. Prezentujte výstupy ako informácie, zobrazte zdroje a všetko, čo vyzerá ako diagnóza alebo zmena liečby, presmerujte na klinického lekára.
• Anpheros si nenárokuje certifikáciu ako zdravotnícka pomôcka ani iné regulačné schválenia; či je vaša funkcia AI regulovaná, závisí od toho, čo tvrdí, že robí, a toto posúdenie je na vás.
• Ak používate hostovaný model, kontext opúšťa vašu infraštruktúru a smeruje k danému poskytovateľovi; vaše texty súhlasu a dohody o spracovaní údajov ich musia pokrývať. Pri lokálnom modeli zostáva výzva (prompt) na vašej infraštruktúre.
• Anpheros dnes neposkytuje server Model Context Protocol (MCP).

Súvisiace

• Ako zostaviť AI zdravotnícku aplikáciu s FHIR backendom: podrobný návod v TypeScript
• Ako dať AI agentovi prístup k lekárskym záznamom: podrobný návod v Python
• AI agenti a lekárske dáta
• LLM aplikácie a zdravotnícke dáta
• Ako zostaviť lekárskeho chatbota so štruktúrovanými dátami
• Anpheros pre AI vývojárov
• Infraštruktúra lekárskych dát
• Virtuálna starostlivosť a AI lekári: aké dáta o pacientoch potrebujú

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