Egészségügyi API mesterséges intelligenciához: címkézett betegkontextus tokenkereten belül

A FHIR keresés minden illeszkedő elemet visszaad. Egy nyelvi modellnek valami másra van szüksége: azokra a tényekre, amelyek számítanak, először, mindegyik megmondja, ki rögzítette, olyan méretben, ami illeszkedik a kéréshez. Ezt nyers adatokból felépíteni önmagában egy projekt, és ha rosszul csinálják, akkor egy olyan modell lesz, amely a páciens találgatását laboreredményként kezeli. Az Anpheros kontextus API elvégzi ezt a munkát a platformon, a személy beleegyezése alapján, így a választott modell egy megalapozható összefoglalóból indul ki.

Műszaki verzió fejlesztőknek: LLM-ek és egészségügyi adatok · AI ügynök hozzáférés orvosi nyilvántartásokhoz a developers.anpheros.com oldalon, kérésekkel, válaszokkal és korlátokkal. Ez az oldal a köznyelvű verzió.

A kérés

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"}'

A budget_tokens a megengedhető méret a kérésben. A task és egy opcionális question meghatározza, mely elemek kerüljenek előre; a needs megnevezi a kívánt adattípusokat; a window_days korlátozza, meddig nézzen vissza; a format strukturált szakaszokat vagy egy feldolgozott szövegtömböt választ. Minden hívás a személy hozzáférési naplójában szerepel, mint kontextus olvasás.

Mi jön vissza

Származási helyet jelző címkékkel ellátott szakaszok (vagy a format: "text" esetén egy feldolgozott tömb, amely készen áll a beillesztésre egy kérésbe), plusz a tokens_used, egy omitted lista, amely megnevezi, mi nem fért bele, warnings és egy provenance_note. Az elemeket a klinikai relevancia szerint rendezik és a keretösszegig vágják: először az aktív problémák és allergiák, majd az aktuális gyógyszerek, legutóbbi mérések és eredmények, legutóbbi tünetek, majd a régebbi kórtörténet. Minden elem tartalmazza:

• author_type: páciens, egészségügyi szakember, eszköz, import vagy származtatott;
• source: az alkalmazás vagy szervezet, amely írta;
• a dátum, a kód (LOINC, ICD-10, ATC) és az érték a mértékegységével;
• származtatott elemek esetén, miből származtatták őket.

A válaszban szereplő származási megjegyzés ugyanazt szavakkal is elmondja, így a szövegtömböt olvasó modell is megtanulja az elemek súlyozását. Egy egészségügyi szakember által rögzített diagnózis és egy páciens által beírt "Azt hiszem, van…" mindkettő jelen van, és másképp vannak címkézve.

Mire jó

• Előzetes összefoglaló egy orvos számára, amelyet a megbízott modell generál, forrásokkal rendelkező tényekből.
• Páciens-orientált asszisztens, amely megválaszolja a "mit mondtak az utolsó eredményeim" kérdést a tényleges számokkal és dátumokkal.
• Triage vagy útvonaltervezés a terméken belül, ahol a modellnek szüksége van a nyilvántartásra, de nem láthat többet, mint amit a személy engedélyezett.
• Mintázat kérdések ("mi változott tavasszal óta"), amelyekhez a platform mintázat-generátora és a compare_periods és get_series eszközök következtetések helyett bizonyítékokat szolgáltatnak.

Mit nem hajlandó lenni

A kontextus API nem klinikai döntéstámogatás, és a platform nem hívja meg helyetted a modellt. Címkézett tényeket ad vissza; ami a modell mond, az a felelőssége annak, aki üzembe helyezi. Az API nem tartalmazza azokat az elemeket sem, amelyeket a személy beleegyezése kizár: ha az engedély a megfigyeléseket és gyógyszereket fedi le, de a dokumentumokat nem, akkor a kontextusban nincsenek dokumentumok.

Mindig beleegyezés alapján

A kérésben szereplő token a személyé, amelyet az OAuth 2.1-en keresztül szereztek meg a választott hatókörökkel és időtartammal. Egy projektkulcs csak azokat a pácienseket látja, akiket a projekt létrehozott. Egy AI ügynökként regisztrált alkalmazás beleegyezés alapján olvashat, és csak írásokat javasolhat, amelyeket a személy jóváhagy vagy elutasít.

Ugyanez a kontextus elérhető az MCP asszisztensek számára is a get_patient_context eszközként a platform.anpheros.com/mcp címen, így a Claude, a ChatGPT vagy a saját ügynöke kód nélkül olvassa azt az Ön oldalán. Lásd: EMR integráció AI orvosi asszisztensekkel.

Gyakori kérdések

Melyik modellt használja a platform?

Egyiket sem. A platform építi fel a kontextust; Ön elküldi a választott modellnek, legyen az hosztolt vagy privát. A nyilvántartás a platform oldaláról soha nem hagyja el az EU-t.

Hogyan érvényesül a keretösszeg?

Az elemeket a klinikai relevancia szerint rangsorolják, és addig tartalmazzák, amíg el nem érik a keretösszeget; a válaszban szereplő omitted lista megnevezi, mi maradt ki, így a modell tudja, hogy a kontextus hiányos.

Kérhetek csak a nyilvántartás egy részét?

Igen, három módon: a személy beleegyezésének hatókörei korlátozzák, hogy mi olvasható egyáltalán, a needs és a window_days szűkíti a kérést, a keretösszeg pedig levágja a többit. Nyers vezérléshez használja inkább a search_fhir vagy a /v1 végpontokat.

Determinisztikus a kimenet?

Ugyanazon nyilvántartás, beleegyezés és keretösszeg esetén igen. Az új bejegyzések megváltoztatják, ami a lényeg: a kontextus tükrözi a nyilvántartást, amilyen most.

Hol próbálhatom ki?

A sandbox ingyenes, és 30 szintetikus páciense hat hónapnyi kódolt kórtörténettel rendelkezik. Szerezzen egy kulcsot, és hívja meg a kontextus végpontot bármelyiküknél: developers.anpheros.com/guides/first-hour.