Gesundheits-API für KI: ein Patient*innenkontext mit Herkunftsangabe innerhalb eines Token-Budgets

Ein FHIR-Suchlauf gibt alles zurück, was übereinstimmt. Ein Sprachmodell benötigt etwas anderes: die wichtigen Fakten zuerst, wobei jeder sagt, wer ihn aufgezeichnet hat, in einer Größe, die zum Prompt passt. Dies aus Rohdaten zu erstellen, ist ein eigenes Projekt, und wenn es falsch gemacht wird, behandelt das Modell die Vermutung eines Patienten wie ein Laborergebnis. Die Anpheros Context API erledigt diese Arbeit auf der Plattform, unter der Zustimmung der Person, sodass das von Ihnen gewählte Modell mit einer vertretbaren Zusammenfassung beginnt.

Technische Version für Entwickler: LLMs und Gesundheitsdaten · KI-Agentenzugriff auf medizinische Aufzeichnungen auf developers.anpheros.com, mit Anfragen, Antworten und Limits. Diese Seite ist die Version in einfacher Sprache.

Die Anfrage

curl -X POST "$BASE/v1/context" \
     -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
     -d '{"patient": "'$PID'", "budget_tokens": 2000, "task": "pre-visit summary", "format": "text"}'

budget_tokens ist die Größe, die Sie sich im Prompt leisten können. task und eine optionale question steuern, welche Elemente zuerst kommen; needs benennt die Arten von Daten, die Sie wünschen; window_days begrenzt, wie weit zurückgesucht werden soll; format wählt strukturierte Abschnitte oder einen gerenderten Textblock. Jeder Aufruf wird im Zugriffsprotokoll der Person als Kontextlesung protokolliert.

Was zurückkommt

Mit Provenienz gekennzeichnete Abschnitte (oder bei format: "text" ein gerenderter Block, der zum Einfügen in einen Prompt bereit ist), plus tokens_used, eine omitted-Liste, die benennt, was nicht passte, warnings und eine provenance_note. Die Elemente sind nach klinischer Relevanz geordnet und werden nach dem Budget gekürzt: zuerst aktive Probleme und Allergien, dann aktuelle Medikamente, neuere Messungen und Ergebnisse, neuere Symptome, dann ältere Anamnese. Jedes Element enthält:

• author_type: Patient, Behandler, Gerät, Import oder abgeleitet;
• source: die Anwendung oder Organisation, die es geschrieben hat;
• das Datum, der Code (LOINC, ICD-10, ATC) und der Wert mit seiner Einheit;
• für abgeleitete Elemente, wovon sie abgeleitet wurden.

Die Provenienzhinweis in der Antwort sagt dasselbe in Worten, sodass ein Modell, das den Textblock liest, auch lernt, die Elemente zu gewichten. Eine vom Behandler aufgezeichnete Diagnose und ein vom Patienten eingegebenes "Ich glaube, ich habe..." sind beide vorhanden und unterschiedlich gekennzeichnet.

Wofür es ist

• Eine Zusammenfassung vor dem Besuch für einen Kliniker, generiert vom Modell Ihres Vertrauens, aus Fakten mit Quellen.
• Ein patientenorientierter Assistent, der mit den tatsächlichen Zahlen und Daten auf "Was sagten meine letzten Ergebnisse?" antwortet.
• Triage oder Weiterleitung innerhalb Ihres Produkts, bei dem das Modell die Aufzeichnung benötigt, aber nicht mehr sehen darf, als die Person erlaubt hat.
• Musterfragen ("Was hat sich seit dem Frühling geändert?"), für die die Muster-Engine der Plattform und die Werkzeuge compare_periods und get_series Beweise statt Schlussfolgerungen liefern.

Was es nicht sein will

Die Context API ist keine klinische Entscheidungsunterstützung und die Plattform ruft kein Modell für Sie auf. Sie gibt gekennzeichnete Fakten zurück; was das Modell sagt, liegt in der Verantwortung dessen, der es einsetzt. Die API enthält auch keine Elemente, die die Zustimmung der Person ausschließt: Wenn die Genehmigung Beobachtungen und Medikamente abdeckt, aber keine Dokumente, enthält der Kontext keine Dokumente.

Immer unter Zustimmung

Das Token in der Anfrage gehört der Person, erhalten über OAuth 2.1 mit den von ihr gewählten Scopes und der Dauer. Ein Projektschlüssel sieht nur die von dem Projekt erstellten Patienten. Eine als KI-Agent registrierte Anwendung kann unter Zustimmung lesen und nur Schreibvorgänge vorschlagen, die die Person genehmigt oder ablehnt.

Der gleiche Kontext ist für MCP-Assistenten als Tool get_patient_context unter platform.anpheros.com/mcp verfügbar, sodass Claude, ChatGPT oder Ihr eigener Agent ihn ohne eigenen Code lesen können. Siehe EMR-Integration mit KI-medizinischen Assistenten.

Häufige Fragen

Welches Modell verwendet die Plattform?

Keines. Die Plattform erstellt den Kontext; Sie senden ihn an das von Ihnen gewählte Modell, gehostet oder privat. Die Aufzeichnung verlässt die EU auf Seiten der Plattform nie.

Wie wird das Budget durchgesetzt?

Die Elemente werden nach klinischer Relevanz eingestuft und bis zum Erreichen des Budgets aufgenommen; die omitted-Liste in der Antwort nennt, was weggelassen wurde, sodass das Modell weiß, dass der Kontext unvollständig ist.

Kann ich nur einen Teil der Aufzeichnung anfordern?

Ja, auf drei Arten: Die Scopes der Zustimmung der Person begrenzen, was überhaupt gelesen werden kann, needs und window_days verengen die Anfrage, und das Budget kürzt den Rest. Für die Rohkontrolle verwenden Sie stattdessen search_fhir oder die /v1-Endpunkte.

Ist die Ausgabe deterministisch?

Für die gleiche Aufzeichnung, Zustimmung und dasselbe Budget, ja. Neue Einträge ändern sie, und das ist der Sinn der Sache: Der Kontext spiegelt die Aufzeichnung so wider, wie sie jetzt ist.

Wo kann ich es ausprobieren?

Die Sandbox ist kostenlos und ihre 30 synthetischen Patienten haben sechs Monate codierte Historie. Holen Sie sich einen Schlüssel und rufen Sie den Kontext-Endpunkt für einen von ihnen auf: developers.anpheros.com/guides/first-hour.