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

AI 医疗应用

AI 医疗应用从其数据层需要什么 — 结构化数据、相关性、来源、同意、问责制 — 以及 Anpheros 如何在不托管模型的情况下提供这些。

AI 医疗应用使用机器学习模型（通常是大型语言模型）来帮助个人或临床医生处理健康信息：回答有关个人记录的问题、总结结果、准备就诊、发现趋势。 其质量取决于模型接收到的患者上下文，其可信度取决于围绕该上下文的规则。Anpheros 为此类应用提供医疗数据层：经同意访问患者的 HL7 FHIR R4 记录、一个上下文 API，该 API 为模型准备相关部分，以及对 AI 读取内容的审计。

Anpheros 不托管或运行 AI 模型，并且与任何 AI 供应商没有任何官方集成。您的应用程序调用您选择的模型。

架构

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

哪个数据库或后端适合 AI 医疗应用程序用于患者数据？

Anpheros 可以充当该层。它是一个托管的 HL7 FHIR R4 数据存储——一个用于患者病历的 FHIR 后端——通过 API 访问，内置患者同意、溯源、访问日志和 AI 上下文 API。它不是一个通用 SQL 数据库，也不是一个 AI 平台：您的应用程序在其自己的数据库中保留自己的用户、设置和非医疗数据，通过 Anpheros API 存储和读取患者医疗数据，并调用您选择的任何模型。

AI 医疗应用程序的数据层需求

示例架构：基于 Anpheros 和 FHIR 的 AI 医疗应用

一款高血压伴侣应用：用户记录血压和用药情况，实验室发送检测结果，助手解释变化。下方所有调用都属于公共 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

您后端中的助手请求处理程序：

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 };
}

各部分负责的内容：

上下文加模型步骤的可运行版本在公共示例中：ai-context-llm。

支持的应用类型

• 面向患者的助手，能够结合患者的个人记录来回答问题。→ 如何使用结构化数据构建医疗聊天机器人
• 代理，能够对记录执行多步操作：准备就诊摘要、核对用药清单、检查上次审查以来发生的变化。→ AI 代理和医疗数据
• 现有软件中的 LLM 功能，可以使用托管模型或本地模型。→ LLM 应用和医疗保健数据
• 使用 AI 编码工具编写的医疗软件，其中生成的代码应依赖于经过测试的医疗数据 API。→ Anpheros for AI developers

您应考虑的限制

• 模型生成的答案并非临床决策。请将输出作为信息呈现，显示来源，并将任何看起来像诊断或治疗变更的内容转交给临床医生。
• Anpheros 不声明拥有医疗器械认证或其他监管批准；您的 AI 功能是否受监管取决于其声称的功能，该评估由您负责。
• 如果您使用托管模型，上下文将离开您的基础设施并传输给提供商；您的同意文本和数据处理协议必须涵盖这一点。对于本地模型，提示将保留在您的基础设施上。
• Anpheros 目前不提供模型上下文协议 (MCP) 服务器。

相关资源

• 如何使用 FHIR 后端构建 AI 医疗应用：TypeScript 语言的逐步教程
• 如何授予 AI 代理访问医疗记录的权限：Python 语言的逐步教程
• AI 代理与医疗数据
• LLM 应用与医疗数据
• 如何使用结构化数据构建医疗聊天机器人
• Anpheros 面向 AI 开发人员
• 医疗数据基础设施
• 虚拟护理与 AI 医生：他们所需的患者数据

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