Integrazione delle cartelle cliniche elettroniche con assistenti medici AI: un record FHIR, un'API di contesto e un server MCP

Collegare un modello linguistico a una cartella clinica solleva tre domande prima del primo prompt: cosa vede il modello, chi lo ha autorizzato e cosa succede quando vuole scrivere qualcosa. La Piattaforma Anpheros risponde a tutte e tre nell'API, in modo che l'assistente che costruisci (o quello che i tuoi utenti hanno già) possa lavorare su una cartella senza inventare le proprie regole. Questa guida copre l'API di contesto, il server MCP e il flusso di proposte.

Versione tecnica per sviluppatori: Assistente medico AI · Server MCP su developers.anpheros.com, con richieste, risposte e limiti. Questa pagina è la versione in linguaggio semplice.

Cosa vede il modello: l'API di contesto

POST /v1/context crea un riassunto pronto per l'AI di un paziente entro un budget di token da te impostato. Ogni elemento porta author_type (paziente, operatore sanitario, dispositivo, importazione, derivato) e la sua origine, così il modello può distinguere un valore di laboratorio da un sintomo auto-riferito e una diagnosi medica da un'ipotesi. Il budget decide cosa viene incluso per primo: problemi attivi, farmaci correnti, allergie, risultati recenti, poi il resto. Ottieni sezioni etichettate o, con format: "text", un blocco renderizzato pronto per un prompt, più un elenco omitted che nomina ciò che non è rientrato.

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"}'

Le stesse etichette di provenienza sono ciò che rende l'output difendibile in seguito: il riassunto di un assistente può indicare da dove proviene ogni affermazione.

Chi lo ha autorizzato: consenso, non configurazione

Il token nella chiamata sopra proviene dalla persona, tramite OAuth 2.1 con PKCE, con gli ambiti e la durata da essa scelti. Un'applicazione AI viene registrata come qualsiasi altra, richiede come qualsiasi altra ed è elencata nelle "Connessioni" della persona come qualsiasi altra. La revoca la interrompe alla richiesta successiva. Una chiave di progetto da sola vede solo i pazienti creati dal progetto; non sostituisce mai il consenso.

Scrivere indietro: proposte, non modifiche

Una scrittura effettuata sotto il consenso di una persona da un'applicazione registrata come agente AI viene trattenuta. La piattaforma la valida, risponde 202 Accepted con un ID di proposta e non cambia nulla. La persona vede la proposta, cos'è e quale assistente l'ha inviata, e la accetta o la rifiuta. Una proposta accettata viene scritta esattamente come inviata, contrassegnata come scritta dall'AI seguendo le linee guida sulla trasparenza dell'AI di HL7. I progetti che possono vedere la cartella ricevono un sottile webhook proposal.created.

Questa è la regola che consente a un assistente di essere utile ("Ho notato che hai menzionato un nuovo farmaco, vuoi che lo aggiunga?") senza mai essere l'autore della registrazione.

Il server MCP

Gli assistenti che parlano il Model Context Protocol si connettono direttamente a https://platform.anpheros.com/mcp (HTTP streamable). Le persone si connettono con OAuth, sulla propria cartella; gli sviluppatori possono connettersi con una chiave sandbox sui 30 pazienti sintetici. Gli strumenti sono quelli che ti aspetteresti dall'API:

• list_patients, get_patient_context, get_patient_summary (il Sommario Internazionale del Paziente), get_timeline
• get_health_patterns, get_pattern_evidence, get_series, compare_periods (cosa è cambiato e cosa si ripete, con prove; non diagnosi)
• search_fhir, read_fhir_resource, get_provenance, lookup_code
• validate_fhir_resource, create_fhir_resource, create_patient, import_lab_report
• sandbox_status, reset_sandbox

Il server è elencato nel registro MCP come com.anpheros/fhir. La configurazione per Claude, ChatGPT e altri client è disponibile su developers.anpheros.com/guides/mcp.

Modelli privati e residenza UE

La piattaforma non chiama un modello per tuo conto; serve il contesto e accetta proposte. Quale modello legge il contesto è una tua decisione: un'API ospitata, una distribuzione privata, un modello sull'hardware dell'ospedale. La cartella stessa rimane nell'UE, su Cloud Run in europe-west4, con provenienza e audit su ogni accesso.

Cosa non è

La piattaforma non diagnostica e non raccomanda trattamenti, e l'API di contesto non è un supporto decisionale clinico. Fornisce a un modello i fatti, etichettati, sotto consenso. Ciò che il modello dice è responsabilità di chiunque lo distribuisca.

Domande frequenti

Posso collegare ChatGPT o Claude a una cartella clinica?

Sì, tramite il server MCP, con il consenso OAuth della persona sulla propria cartella. Per lo sviluppo, una chiave sandbox fornisce all'assistente i 30 pazienti sintetici.

L'AI scrive nella cartella?

Solo come proposta che la persona approva. Nulla che un agente AI invia viene applicato senza tale approvazione, e le voci accettate sono contrassegnate come scritte dall'AI.

Come impedisco al modello di vedere troppo?

Tre modi: gli ambiti che la persona concede, i filtri di categoria su tali ambiti e il budget di token sulla chiamata di contesto, che ordina gli elementi per rilevanza clinica e si ferma al budget.

Esiste un'API per un chatbot sanitario nella mia app?

Sì. La tua app ottiene il consenso della persona tramite OAuth, chiama l'API di contesto, invia il risultato al modello che scegli e, se il modello suggerisce una voce, la invia come scrittura; la piattaforma la trasforma in una proposta. Gli SDK TypeScript e Dart coprono le chiamate.

Dove vengono elaborati i dati?

La cartella viene archiviata e servita dall'UE. Dove viene eseguito il modello dipende da te; la piattaforma non invia mai dati della cartella a un modello stesso.