# Застосування LLM та медичні дані

> Використання великих мовних моделей із медичними даними: запит та відповідь контекстного API, хмарні та локальні моделі, агентні системи, отримання даних проти контексту та підказки з походженням.

Source: https://developers.anpheros.com/uk/guides/llm-healthcare-data

**Застосунок, який використовує велику мовну модель із медичними даними, має вирішити одну проблему, яку модель не може: яку частину запису пацієнта помістити в підказку та як її позначити, щоб модель могла відрізняти факти від приміток.** Anpheros вирішує це з боку даних за допомогою контекстного API: враховуючи пацієнта, завдання та бюджет токенів, він повертає відповідні розділи запису пацієнта HL7 FHIR R4, кожен елемент позначений своїм джерелом. Ваш застосунок надсилає цей контекст до обраної вами моделі — розміщеної або локальної.

**Як підключити LLM до медичних даних FHIR?** Зберігайте записи в сховищі FHIR, до якого модель не може отримати прямого доступу — з Anpheros, запис пацієнта HL7 FHIR R4 — запитуйте бюджетний контекст із позначеним джерелом (`POST /v1/context`) і поміщайте цей контекст у підказку обраної вами моделі. Модель ніколи не отримує облікових даних бази даних або API; ваш застосунок здійснює виклики в межах згоди пацієнта.

Anpheros не запускає моделі та не має нативної інтеграції з жодним постачальником моделей або локальним середовищем виконання.

## Шаблон

```
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
```

## Запит контексту

```bash
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"
}'
```

| Поле | Значення |
|---|---|
| `patient` | ідентифікатор пацієнта, який бачить ваш обліковий запис |
| `task`, `question` | що робитиме модель; платформа планує, які частини запису є релевантними |
| `needs` | необов'язкові явні потреби, наприклад `["labs:4548-4", "vitals:trend:85354-9", "timeline:180d"]` |
| `budget_tokens` | розмір контексту, 300–8 000 (за замовчуванням 2 000) |
| `format` | `structured` (секції JSON) або `text` (також повертає готовий текстовий блок) |
| `window_days` | необов'язкове вікно ретроспективного перегляду |

## Контекстна відповідь

- `sections` — наприклад, картка з резюме, стани, ліки, алергії, щеплення, результати лабораторних досліджень, життєві показники з тижневими трендами та маркерами до/після лікування, симптоми, часова шкала та документи. **Кожен елемент містить `author_type` та `source`.**
- `omitted` — те, що не ввійшло в бюджет; повідомте моделі, що її контекст є частковим.
- `warnings`, `provenance_note`.
- `text` — коли `format` є `text`.
- `manifest_id` — запис про те, які розділи та джерела були використані, пов'язаний із журналом доступу.
- розділ `ai_notes` — значення, написані ШІ раніше, з'являються лише там, позначені як неперевірені, ніколи не змішуються з клінічними розділами.

## Хмарні моделі

З хостованою моделлю — від OpenAI, Anthropic, Google, xAI або іншого постачальника — ваш бекенд поміщає контекст у запит (prompt) і викликає API постачальника. Контекст залишає вашу інфраструктуру для цього постачальника, тому:

- переконайтеся, що згода пацієнта та ваше повідомлення про конфіденційність охоплюють надсилання даних до нього;
- укладіть угоду про обробку даних з постачальником, яка підходить для медичних даних;
- надсилайте лише те, що потрібно для завдання — бюджет токенів та явні `needs` допомагають.

## Локальні моделі

З моделлю, яку ви запускаєте самостійно — наприклад, через Ollama або інший локальний середовище виконання — єдиним мережевим викликом, що передає дані пацієнта, є виклик між вашим бекендом та Anpheros; запит і відповідь залишаються на вашій інфраструктурі. Менші локальні моделі мають менші контекстні вікна: відповідно нижчі `budget_tokens` і надають перевагу `format: "text"`.

## Агентні системи

Коли модель вирішує, які виклики робити, надайте їй інструменти (контекст, пошук, часова шкала) замість необроблених облікових даних, тримайте сфери дії вузькими та логуйте кожен `manifest_id` поруч із відповіддю. [AI-агенти та медичні дані](https://developers.anpheros.com/uk/guides/ai-agents-medical-data)

## API контексту чи власний пошук?

Конвеєр пошуку за вільним текстом (ембединг фрагментів документів та їх пошук) корисний для неструктурованих нотаток. Для структурованих медичних даних API контексту зазвичай простіший і безпечніший: він працює з кодованими ресурсами FHIR, зберігає походження, знає про тенденції та періоди лікування, поважає згоду та проходить аудит. Ці два підходи можна комбінувати — наприклад, контекст з Anpheros плюс знайдені фрагменти з документів, якими ви керуєте.

## Підказки з походженням даних

Зберігайте мітки в підказці та поясніть моделі, що вони означають:

```
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.
```

## Пов'язане

- [AI-застосунки в галузі охорони здоров'я](https://developers.anpheros.com/uk/guides/ai-healthcare)
- [AI-агенти та медичні дані](https://developers.anpheros.com/uk/guides/ai-agents-medical-data)
- [Як створити медичний чат-бот зі структурованими даними](https://developers.anpheros.com/uk/guides/ai-medical-assistant)
- [Безпека, конфіденційність та місцезнаходження даних](https://developers.anpheros.com/uk/guides/security)