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

LLM aplikácie a zdravotné údaje

Používanie veľkých jazykových modelov so zdravotnými údajmi: požiadavka a odpoveď kontextového API, cloudové a lokálne modely, agentné systémy, retrieval verzus kontext a promptovanie s pôvodom.

Aplikácia, ktorá používa rozsiahly jazykový model so zdravotníckymi údajmi, musí vyriešiť jeden problém, ktorý model nedokáže: ktorú časť záznamu pacienta vložiť do promptu a ako ju označiť, aby model dokázal rozlíšiť fakty od poznámok. Anpheros to rieši na strane údajov pomocou kontextového API: na základe pacienta, úlohy a rozpočtu tokenov vráti relevantné sekcie záznamu pacienta v štandarde HL7 FHIR R4, pričom každá položka je označená svojím zdrojom. Vaša aplikácia pošle tento kontext modelu, ktorý si vyberiete – hostovaný alebo lokálny.

Ako pripojím LLM k zdravotníckym údajom vo formáte FHIR? Uchovávajte záznamy v FHIR úložisku, ku ktorému model nemá priamy prístup – s Anpheros, záznam pacienta v štandarde HL7 FHIR R4 – požiadajte ho o kontext s rozpočtom a označením zdroja (POST /v1/context) a vložte tento kontext do promptu modelu, ktorý si vyberiete. Model nikdy nedostane poverenia k databáze alebo API; vaše aplikácie vykonávajú volania v rámci súhlasu pacienta.

Anpheros nespúšťa modely a nemá natívnu integráciu s žiadnym poskytovateľom modelov ani lokálnym runtime.

Vzor

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

Požiadavka na kontext

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"
}'

Kontextová odpoveď

• sections — napríklad súhrnná karta, diagnózy, lieky, alergie, očkovania, laboratórne výsledky, vitálne funkcie s týždennými trendmi a značkami pred/po liečbe, symptómy, časová os a dokumenty. Každá položka nesie author_type a source.
• omitted — čo sa nezmestilo do rozpočtu; informuje model, že jeho kontext je čiastočný.
• warnings, provenance_note.
• text — keď je format text.
• manifest_id — záznam o tom, ktoré sekcie a zdroje boli použité, viazané na prístupový denník.
• sekcia ai_notes — hodnoty, ktoré AI napísala skôr, sa objavujú iba tam, označené ako neoverené, nikdy sa nemiešajú s klinickými sekciami.

Cloudové modely

Pri hostovanom modeli – od OpenAI, Anthropic, Google, xAI alebo iného poskytovateľa – váš backend vloží kontext do výzvy (prompt) a zavolá API poskytovateľa. Kontext opustí vašu infraštruktúru a prejde k danému poskytovateľovi, preto:

• uistite sa, že súhlas pacienta a vaše oznámenie o ochrane osobných údajov pokrývajú odosielanie údajov k nemu;
• uzatvorte s poskytovateľom dohodu o spracovaní údajov, ktorá je vhodná pre zdravotné údaje;
• posielajte iba to, čo úloha potrebuje – rozpočet tokenov a explicitné needs pomáhajú.

Lokálne modely

Pri modeli, ktorý prevádzkujete sami – napríklad prostredníctvom Ollama alebo iného lokálneho runtime – je jediným sieťovým volaním prenášajúcim dáta pacienta to medzi vaším backendom a Anpheros; prompt a odpoveď zostávajú na vašej infraštruktúre. Menšie lokálne modely majú menšie kontextové okná: zodpovedajúco nižšie budget_tokens a preferujú format: "text".

Agentné systémy

Keď sa model rozhodne, ktoré volania uskutočniť, poskytnite mu nástroje (kontext, vyhľadávanie, časová os) namiesto surových poverení, udržujte úzke rozsahy platnosti (scopes) a zaznamenávajte každý manifest_id vedľa odpovede. AI agenti a lekárske údaje

Kontextové API alebo vlastné načítavanie?

Načítavací pipeline nad voľným textom (vytváranie vložení (embeddings) častí dokumentov a ich vyhľadávanie) je užitočný pre nestruktúrované poznámky. Pre štruktúrované lekárske dáta je kontextové API zvyčajne jednoduchšie a bezpečnejšie: pracuje s kódovanými FHIR zdrojmi, zachováva pôvod (provenance), pozná trendy a obdobia liečby, rešpektuje súhlas a je auditované. Tieto dva prístupy sa dajú kombinovať — napríklad kontext z Anpheros plus načítané pasáže z dokumentov, ktoré spravujete.

Prompting s pôvodom

Ponechajte popisky v prompt a vysvetlite modelu, čo znamenajú:

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.

Súvisiace

• AI zdravotnícke aplikácie
• AI agenti a lekárske dáta
• Ako vytvoriť lekársky chatbot so štruktúrovanými údajmi
• Bezpečnosť, súkromie a lokalita dát

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