利用 IRIS 和本地 LLM 构建 FHIR 代理

要成功构建和部署人工智能代理以应对医疗保健领域的各种用例，关键在于高质量的数据和API，以及有效的治理与管理。 InterSystems IRIS FHIR 服务器不仅能满足上述所有需求，还精通 Python、向量搜索和互操作性。结合强大的大型语言模型（LLM），患者、医生、护理人员和管理者将能够利用最先进的技术来改善个人健康和公共卫生。

本文利用 InterSystems IRIS FHIR 存储库、FHIR API、嵌入式 Python 以及向量搜索作为数据服务和 API，从而使部署在 Ollama 上的 LLM lhama3 能够处理以下用例：临床摘要、 通过API使用自然语言探索FHIR数据、AI生成的患者临床指标图形分析，以及利用向量搜索进行病例相似性比较等用例。

安装

1. 访问 Open Exchange 并查找应用程序 fhir assistant（https://openexchange.intersystems.com/package/fhir-assistant）

2. 将代码库克隆/通过 Git 拉取到任意本地目录：

$ git clone https://github.com/yurimarx/fhir-assistant.git

3. 在该目录下打开终端并运行：

$ docker-compose build
$ docker-compose up -d

使用该应用程序

1. 访问http://localhost:8501/（用于运行代理的 Streamlit 应用程序）。

2. 第一个场景允许您根据患者的FHIR数据，为特定角色（患者、医生等）生成临床摘要：

3. 输入任意患者 ID（1 至 10），选择角色并获取结果：

4. 第二个用例用于患者检索。用户可查询患有特定疾病或其他特征的患者，智能代理会将问题转换为 FHIR API 调用以获取响应并反馈给用户，同时利用向量搜索对检索到的患者进行比对。

5. 输入“列出患有糖尿病的患者”：

6. 即可查看所有患有糖尿病的患者（AI 代理将该问题转换为 FHIR API 请求：http://iris:52773/fhir/r4/Patient?_has:Observation:patient:code-value-q…):

7. 最后一个用例中，智能代理为患者的健康指标历史数据生成图表展示。该场景实现了“https://ideas.intersystems.com/ideas/DPI-I-388”（为医生定制可视化：使医生能够通过图表和图形追踪特定健康数据。 医生可以轻松监测趋势并做出明智的临床决策)：