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

ШІ-додатки для охорони здоров'я

Що потрібно ШІ-додаткам для охорони здоров'я від їхнього шару даних — структуровані дані, релевантність, джерела, згода, підзвітність — і як Anpheros надає це без розміщення моделей.

AI-застосунок в галузі охорони здоров'я використовує модель машинного навчання — зазвичай велику мовну модель — щоб допомагати людям або клініцистам з медичною інформацією: відповідати на запитання щодо запису пацієнта, узагальнювати результати, готувати візит, виявляти тенденції. Його якість залежить від контексту пацієнта, який отримує модель, а його надійність — від правил, що оточують цей контекст. Anpheros надає рівень медичних даних для таких застосунків: отримання доступу до запису пацієнта за стандартом HL7 FHIR R4 за згодою, API контексту, який готує релевантну частину запису для моделі, та аудит того, що прочитав ШІ.

Anpheros не розміщує та не запускає AI-моделі і не має офіційної інтеграції з жодним постачальником ШІ. Ваш застосунок викликає обрану вами модель.

Архітектура

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

Яку базу даних чи бекенд слід використовувати для медичного застосунку зі штучним інтелектом для зберігання даних пацієнтів?

Anpheros може бути таким шаром. Це кероване сховище даних HL7 FHIR R4 — бекенд FHIR для медичних записів пацієнтів — доступ до якого здійснюється через API, з урахуванням згоди пацієнта, походження даних, журналу доступу та вбудованого API контексту ШІ. Це не загальна SQL база даних і не платформа ШІ: ваш застосунок керує власними користувачами, налаштуваннями та немедичними даними у власній базі даних, зберігає та читає медичні дані пацієнтів через Anpheros API та викликає будь-яку обрану вами модель.

Що потрібно AI-застосунку для охорони здоров'я від його шару даних

Приклад архітектури: застосунок для охорони здоров'я зі штучним інтелектом на Anpheros та FHIR

Застосунок-компаньйон для гіпертоніків: користувачі реєструють артеріальний тиск та ліки, лабораторія надсилає результати, а асистент пояснює зміни. Кожен виклик нижче є частиною публічного 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

Обробник запитів асистента у вашому бекенді:

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 };
}

Що належить кожній частині:

Працездатний варіант кроку "контекст плюс модель" доступний у публічних прикладах: ai-context-llm.

Типи додатків, які це підтримує

• Асистенти, орієнтовані на пацієнтів, які відповідають на запитання, використовуючи власний запис особи в контексті. → Як створити медичний чат-бот зі структурованими даними
• Агенти, які виконують багатоетапну роботу над записом: підготовка резюме візиту, узгодження списку медикаментів, перевірка змін з моменту останнього огляду. → AI-агенти та медичні дані
• Функції LLM у наявному програмному забезпеченні, з розміщеною або локальною моделлю. → LLM-додатки та дані охорони здоров'я
• Медичне програмне забезпечення, написане за допомогою інструментів кодування зі штучним інтелектом, де згенерований код має покладатися на перевірений API медичних даних. → Anpheros для AI-розробників

Ліміти, які слід враховувати під час розробки

• Відповідь моделі не є клінічним рішенням. Представляйте результати як інформацію, вказуйте джерела та передавайте будь-які дані, що виглядають як діагноз або зміна лікування, клініцисту.
• Anpheros не претендує на сертифікацію медичного пристрою або інші регуляторні дозволи; чи підпадає ваша функція ШІ під регулювання, залежить від того, що вона стверджує, і ця оцінка є вашою.
• Якщо ви використовуєте розміщену модель, контекст залишає вашу інфраструктуру для цього постачальника; ваш текст згоди та угоди про обробку даних повинні це охоплювати. З локальною моделлю запит залишається на вашій інфраструктурі.
• Anpheros наразі не надає сервер протоколу контексту моделі (MCP).

Пов'язані матеріали

• Як створити медичний додаток зі штучним інтелектом з бекендом FHIR: покроковий посібник на TypeScript
• Як надати ШІ-агенту доступ до медичних записів: покроковий посібник на Python
• ШІ-агенти та медичні дані
• Застосування LLM та медичні дані
• Як створити медичний чат-бот зі структурованими даними
• Anpheros для розробників ШІ
• Інфраструктура медичних даних
• Віртуальна допомога та ШІ-лікарі: необхідні дані пацієнтів

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