.png)
InterSystems IRIS for Health™ 是全球第一个也是唯一一个专门为医疗应用程序的快速开发而设计的数据平台，用于管理全世界最重要的数据。它包括强大的开箱即用的功能：事务处理和分析、可扩展的医疗保健数据模型、基于 FHIR 的解决方案开发、对医疗保健互操作性标准的支持等等。所有这些将使开发者能够快速实现价值并构建具有突破性的应用程序。了解更多信息。
作为我们致力于提升 FHIR 有效载荷导入速度工作的一部分，在 v2026.2 版本（目前已作为开发者预览版发布）中，我们引入了一项可选功能，用于跳过资源的结构验证。 例如，此举可节省 25% 的时间，在大规模数据导入场景中，这一时间节省将十分可观。
流行病学监测是公共卫生的基石之一。 Régis Júnior等人（2026）将其定义为一个针对健康事件的持续性数据收集、分析、解读和传播系统——该功能的有效性在很大程度上取决于信息系统的质量、数据分析能力以及不同医疗层级之间的协调。 在新冠疫情期间，这一职能的战略重要性已毋庸置疑：世界卫生组织（2021）的记录显示，拥有更健全监测系统的国家始终表现得更好，而监测能力方面的区域差异则直接导致了应对措施的不一致，并在发病率和死亡率方面产生了可测量的差异。
尽管医疗系统如今能够收集海量的标准化临床数据，但挑战在于如何将这些数据转化为及时且可付诸行动的洞见。传统的流行病学报告往往依赖于人工分析和定制数据库查询，由此产生的延迟可能会阻碍公共卫生部门的快速响应。
EpInsights通过整合 InterSystems IRIS for Health、嵌入式 Python 临床向量化技术、IRIS Vector Search 以及 LangChain4j 对话式智能助手，填补了这一空白。 该平台使流行病学家和卫生管理者能够提出自然语言问题，并即时获得基于真实FHIR数据的地理空间热力图、区域排名、相似聚类检测以及AI生成的建议，所有结果均在数秒内呈现。
EpInsights 采用三层架构，各层职责划分明确。
InterSystems 编程竞赛： https://openexchange.intersystems.com/contest/46上的 FHIR 人工智能代理 。
代码： https://github.com/eungi-hong/central-park
演示： https://triagepark.78-47-167-98.sslip.io/
就诊的前十分钟总是千篇一律：采集病史、调取病历、核对用药情况、判断病情紧急程度。Triage Park通过一支完全在 InterSystems IRIS for Health 内部运行的 AI 代理团队来完成这一初步筛查，并向临床医生提供一份附有依据且可解释的交接报告。 大多数“AI分诊”演示所忽略的部分，恰恰是我们最重视的：安全性。这里的所有安全机制都是确定性的且单向的。系统只能提高病例的紧急程度，绝不会降低，因此患者的安全绝不会取决于模型是否判断正确。
该平台经过刻意划分：需要大量判断的工作以代理的形式运行（即使用工具的循环，负责决策和执行），安全关键型工作以确定性检查的形式运行（基于规则，而非大型语言模型），其余部分则专注于大型语言模型技能
InterSystems IRIS® 数据平台、InterSystems IRIS®for Health™ 以及InterSystems Health Connect™的2026.2版本现已正式发布（GA）。这是一个持续交付（CD）版本。
版本亮点：
在 v2026.2 版本（现已开放预览）中，我最期待的新功能之一就是“FHIR 资源管理器”。
作为 InterSystems FHIR 服务器的一部分，这项新功能允许用户通过友好且直观的用户界面探索 FHIR 数据：该界面能够构建（可能较为复杂的）FHIR 搜索 URL，将其发送至您的 FHIR 服务器（实际上是任何 FHIR 服务器……）进行查询，并显示查询结果。
以下是一个简单的操作流程：
随着 v2026.1 版本的发布，HL7 FHIR 引入了一项非常重要的功能——支持SMART on FHIR v2 的细粒度作用域。
这使您能够对 FHIR 存储库中数据的访问权限进行更严格、更精确的控制。
这项新功能的一部分是拒绝不符合范围的请求，但更有趣的功能是能够根据提供的范围过滤结果。
在 v2026.2 版本（目前作为开发者预览版提供）中，我们新增了一项功能，可协助完成 FHIR 端点的 SMART/OAuth 授权——在受众值验证方面提供了更多开箱即用的灵活性。
FHIR 患者快照代理（FHIR Patient Snapshot Agent）是一款专为 InterSystems AI 代理和 FHIR 编程竞赛开发的小型开源应用程序。
该项目实现了建议的“智能患者摘要生成器”构想：它检索所选患者的结构化 FHIR 资源，并生成一份简明扼要、针对特定角色的患者摘要。
其目的并非进行诊断或推荐治疗方案。该代理仅作为摘要生成助手，所有生成的内容都必须与源FHIR数据进行核对验证。
该应用程序使用 InterSystems IRIS for Health 作为 FHIR 互操作性层。
在本地部署环境中，IRIS for Health 提供了一个 FHIR R4 API。Python 应用程序通过查询该 API 来获取与患者相关的资源，包括：
该 Python 应用程序不会直接读取本地临床文件。
在我的第一篇文章中，我介绍了 FHIR 患者快照代理的基础版本：这是一个基于 Streamlit 和 Python 的应用程序，它从 InterSystems IRIS for Health 中检索 FHIR 资源，并利用大型语言模型（LLM）生成简明扼要的患者摘要。
本文作为后续文章，将介绍我是如何通过添加两项针对 InterSystems 的功能来扩展该项目的：
目标是让该项目作为临床摘要原型更具实用性，同时保持设计足够精简，以便于理解和复现。
FHIR 患者快照代理（FHIR Patient Snapshot Agent）是一款基于人工智能的 FHIR 患者数据摘要工具。
该应用程序可检索所选患者的结构化资源：
Python 层将这些资源整合为一个紧凑的患者背景。用户随后可以生成以下任一内容：
该 LLM 集成通过兼容 OpenAI 的聊天补全 API 使用 Nebius Token Factory。演示中使用的模型为：
meta-llama/Llama-3.3-70B-Instruct该项目为开源项目：
在问诊前，人工智能助手会先阅读FHIR患者病历，根据已掌握的信息提出恰当的问题，识别关键的警示信号，并将分析结果反馈给医生——这样医生就能做好充分准备。
该项目灵感源自InterSystems编程大赛“FHIR人工智能代理”中建议的第10项任务（对话式FHIR分诊助手）。
在患者走进诊室之前，一个关键的疏漏已经发生：没有人阅读过他们的病史。医生只有15分钟的时间。患者不得不第三次向医生重复自己的病情、用药情况和过敏史——这已经是今年第三次了。 诸如华法林治疗期间的出血、心力衰竭伴随的胸痛、抑郁症伴随的自杀意念等“危险信号”，要么直到为时已晚才被询问，要么根本未被提及。
这并非技术上的缺口。 数据是存在的。它们存储在分布于不同系统中的数据仓库中，其中包含患者的纵向病历，涵盖病情、用药情况、实验室检查结果、过敏史及就诊史。真正的缺口在于诊疗现场的智能辅助——一个能在就诊前阅读病历、根据已知信息提出恰当问题，并将分析结果反馈给医生，使医生做好充分准备的智能助手。
在技术示例应用TriageAide中，我们以具体场景为切入点，探索如何将 InterSystems IRIS FHIR 服务器、模型上下文协议（MCP）和生成式人工智能（Generative AI）结合使用。该应用是一款人工智能助手，旨在优化患者接诊流程和临床交接工作。
大多数“AI 代理 + FHIR”项目最终都呈现出相同的架构：这边是一个 FHIR 服务器，那边是一个向量数据库，中间则是一个 Python 服务，其职责是调用嵌入 API、在两端之间转换浮点数数组，并保持两个数据存储库的同步。 三个活动组件、两次网络跳转，以及一个你从此永久拥有的嵌入式客户端。
Triage Park：我们 提交给InterSystems 编程大赛:FHIR AI Agent的参赛作品，完全没有这些复杂结构。该代理从不计算嵌入向量，也从未导入过 OpenAI 嵌入向量客户端。 没有向量数据库。它将原始文本发送给 IRIS，剩下的工作由 IRIS 完成：它在服务器端计算嵌入向量，并通过针对与 FHIR 存储库位于同一数据库*中的表执行单条 VECTOR_COSINE SQL 语句来响应检索请求。
这就是 IRIS for Health 的“AI Hub”模式，一旦我采用该模式，我自己的代码中整整一层就消失了。以下是它的具体工作原理。
Triage Park 是一款对话式分诊助手。患者描述症状（“我上楼梯时胸口发紧”），由大型语言模型（LLM）支持的助手会读取患者的真实 FHIR 病历，并生成分诊决策：自我护理 / 看全科医生 / 急诊护理 / 急诊科，同时附上依据说明。
“引用依据”(Cited rationale)是关键所在。
在开始开发“智能出院导航器(Smart Discharge Navigator)”时，我遇到了一个常见的难题：FHIR 数据以 JSON 数据包的形式存储，但我所需的分析需要将多个资源进行关联，而这正是 SQL 所擅长的领域。
InterSystems FHIR SQL Builder 彻底解决了这一问题。我无需在应用程序代码中解析 JSON 数据包，而是能够直接在 IRIS for Health 中针对 FHIR 资源投影编写纯 SQL 语句。本文将详细介绍我如何利用该工具构建了该应用程序核心——基于人群的再入院风险评分引擎。
30 天内的医院再入院是医疗保健领域成本最高且本可预防的问题之一，每年给美国医疗系统造成 170 亿美元的损失。挑战并不在于事后识别风险因素，而在于在恰当的时机——即患者出院前——及时发现这些风险因素。
为了评估再入院风险，我需要针对每位患者同时回答以下五个问题：
如果通过 Python 解析 FHIR 数据包来回答这五个问题，不仅速度慢，而且容易出错。而 FHIR SQL Builder 则让这一切变得简单明了。
在 v2026.1 版本中，我们为您的 FHIR 端点引入了更强大且符合实际安全需求的授权支持。
这是通过使用SMART on FHIR v2 的细粒度作用域来实现的。
v2026.1 刚刚正式发布，其中我最期待使用的一项功能就是DTL 说明功能。
该功能允许您选择一个数据转换，只需点击一下按钮，即可获得该转换的人类可读描述（您还可以将其作为 DTL 描述的基础）。
对于复杂的 DTL，尤其是那些并非由您亲自编写，或者虽然由您编写但已时隔许久的 DTL，该功能将帮助您快速清晰地了解其工作原理。
对于尚未使用过“安全钱包”（Security Wallet）功能 的用户（有关此功能的更多信息，请参阅这些文档、这段 4 分钟视频以及这段 36 分钟视频），请注意：您需要使用该功能来配置DTL 解释器的OpenAI 许可证 API 密钥。
有关此功能的更多详细信息，请参阅此处的文档。
另请参阅@Aya Heshmat的帖子，其中包含一段视频（链接直接跳转至展示 DTL Explainer 的时间点），介绍了新互操作性 UI 中的所有最新功能。
此外，还可观看@Julie Ma 提供的这段更详细的视频演示与讲解。
这是将生成式人工智能（GenAI）功能整合到 InterSystems 产品中的一个示例。
给大家推荐一种新的大型表格管理方式！看看分区如何帮助您管理和查询数据：
大家好，
现在是时候公布InterSystems开发者竞赛：面向FHIR的AI Agent”的获奖名单了！
非常感谢我们的18位社区成员开发了
本次竞赛收到了令人印象深刻的参赛作品，每一件都体现了创新精神和创造性思维。面对如此众多优秀的参赛作品，评选出最佳作品确实是一项艰巨的任务。
让我们来认识一下获奖者，并了解他们的项目：
该方案成功将医疗设备数据纳入全院数据管理，实现了医疗设备数据的全流程高效采集与应用。
InterSystems Reports 25.3 版本现已在 InterSystems 软件分发网站的“组件(Components )”部分发布。该软件名为 InterSystems Reports Designer 和 InterSystems Reports Server，支持 Mac OS X、Windows 和 Linux 操作系统。
别被这个小版本号所迷惑——此版本包含大量新功能。其中包括焕然一新的用户界面——“浅色模式”下线条更简洁、配色更清新，并且您可以在“用户配置文件”中切换回“经典模式”。 此外，我们的合作伙伴 insightsoftware 还提供了额外的修复和增强功能。InterSystems Reports 25.3 基于 Logi Report 25.3 Service Pack 5 构建。如需了解更多信息，请参阅 insightsoftware 提供的发布说明。
此外，InterSystems 还新增了对Page Report Studio和Web Report Studio 的访问权限，这使客户能够通过报告服务器进行更丰富的报表编辑，从而在许多报表设计任务中减少了对安装 Report Designer 的需求。请点击链接了解更多详情。
欢迎回到关于 AI Hub 的系列入门文章，这是目前处于早期访问计划（EAP）阶段的新产品功能！（链接：EAP 网站下载、文档）
在上一篇文章中，我们介绍了如何使用新的 %AI 类直接在 ObjectScript 中创建代理和代理工具。 不过，有时您可能并不需要创建新的代理，而只是希望向现有代理添加一些自定义工具，以便让本地 claude、codex、copilot 或其他您选择的代理直接查询您的数据。这时，MCP 服务器就派上用场了。
在本指南中，我们将逐步演示如何创建自己的 MCP 服务器来访问您的数据。
免责声明：AI Hub 目前处于早期访问预览阶段，其功能在正式发布前可能会发生变更；如发现任何问题，可通过上述链接的文档 GitHub 仓库提交问题报告。EAP 预览版不适用于生产环境。
我将简要介绍，因为关于 MCP 服务器（模型上下文协议）已有大量其他优质文章（建议从@Pietro Di Leo 的这篇文章或InterSystems 总裁 Don Woodlock 的这段精彩入门视频开始阅读）。
模型上下文协议（Model Context Protocol）是一种传输协议，允许将外部工具添加到代理中 存在一个发现“握手”过程：MCP 服务器会向 MCP 客户端发送工具列表。
对于上周没有参加 READY 大会的朋友们来说，你们可能错过了这一激动人心的消息：AI Hub 的抢先体验计划现已正式启动。这一消息是在@Benjamin De Boe和@Jeff Fried 带来的一场精彩演示中公布的，我建议大家在录像发布后务必观看这段演示！ 我有幸提前体验了 AI Hub，想借此机会向社区大家介绍一下。
在深入探讨细节之前，先提供文档链接和EAP 门户链接，您可通过这些链接下载 AI Hub，目前提供独立安装包或容器镜像两种形式。
请注意，这只是预览版，在正式发布前可能会有重大变更，该版本不适用于生产环境，您可能会遇到一些问题——如果遇到问题，请在 GitHub 页面上提交问题！
对我来说，最令人兴奋的功能莫过于全新的 ObjectScript 代理 SDK。现在，您可以使用直观的 SDK，直接在 ObjectScript 中创建代理和工具。
创建代理非常简单：您可以通过 XData INSTRUCTIONS 组件为其指定系统提示，然后只需设置提供程序、模型和工具即可：
Class Sample.Agent Extends %AI.Agent
{
/// LLM Model
Parameter MODEL = "gpt-5-nano";
/// Toolsets that the agent can use
Parameter TOOLSETS = "Sample.ToolSet";
/// System Prompt
XData INSTRUCTIONS [ MimeType = text/markdown ]
{
# Sample Assistant
You are a helpful assistant with access to a set of tools to interact with a database of people.
}
Method %OnInit() As %Status
{
// Set provider with API key from environment variable
Set key = $System.Util.GetEnviron("OPENAI_API_KEY") // or whatever
Set ..Provider = ##class(%AI.Provider).Create("openai", {"api_key": (key)})
Return $$$OK
}
}大家好，
你是否曾希望你的电子健康记录（EHR）能具备思考能力？不仅仅是显示数据，也不仅仅是触发警报。而是能够真正阅读病历、综合临床指南进行分析，并根据临床医生的单条信息，向系统生成结构化的转诊医嘱。
在本文中，我将向大家展示如何创建您自己的定制临床AI助手。
iris-fhir-agents是一个完全基于 InterSystems IRIS for Health 构建的多智能体临床 AI 平台
大家好，
在本文中，我将介绍我的应用程序iris-fhir-agents 这是一个由 InterSystems IRIS for Health 驱动的多智能体临床 AI 平台。该平台包含用于分诊、专科会诊、用药安全以及 FHIR 服务器探索的智能体——所有功能均基于 IRIS Vector Search RAG 构建。 平台包含一个无代码代理构建器，让您无需编写任何代码即可设计和部署自定义临床代理。
基于时间的一次性密码(TOTP)的两阶段认证是广泛使用的提高安全性手段。
本文以访问IRIS系统管理门户(System Management Portal)为例，介绍如何在IRIS里配置TOTP提高访问IRIS的安全性。
打开IRIS系统管理门户(SMP)，进入系统 > 安全管理 > 身份验证/Web 会话选项 - (安全设置)，选中Allow Two-factor Time-based One-time Password authentication，然后在出现的Two-factor Time-based One-time Password issuer 中修改issuer名字，例如MyIRISServer
这里以管理门户(SMP)为例，它是一个Web application (/csp/sys)。打开IRIS系统管理门户(SMP)，进入系统 > 安全管理 > Web 应用程序 > 编辑 Web 应用程序 - (安全设置) ，点击/csp/sys。然后在安全设置>允许的身份验证方法下选中“基于时间的一次性双重验证密码 ”
确定哪些用户使用基于TOTP的2FA，并修改该用户的配置。这里以用户SuperUser为例。
当将 IRIS For Health 从 2024.1 升级到 2024.2+（2025.1、2026.1 等）时，您可能会注意到，在以前访问 FHIR 门户的地方，现在会收到 "未找到 "的提示。
2024.2 之前：
截至 2024.2+：
这可能是因为它将进入 /csp/fhir-management，而不是之前的 /csp/healthshare。请参见此处的发布公告。
根据您的升级方式，配置可能是自动的，但如果您使用 IKO，请确保更新您的网络应用程序以包含 /csp/fhir-management：
webgateway:
replicas: 1
image: containers.intersystems.com/intersystems/webgateway:2026.1
applicationPaths:
#; All of the IRIS instance's system default applications.
#; For Management Portal only, just use '/csp/sys'.
#; To support other applications, please add them to this list.
- /csp/sys
- /csp/broker
- /api
- /isc
- /oauth2
- /ui
- /csp/healthshare
- /csp/fhir-management
大家好、
请观看在线学习中的这些新视频，熟悉 InterSystems® 产品最新版本中的新功能和界面。学习服务 YouTube 频道也提供所有视频。
此外，您还可以观看面向ObjectScript 新开发人员的视频，以及面向HealthShare® 用户的部署升级指南。
嗨，开发人员、
我们很高兴地宣布新一届 InterSystems 在线编程竞赛即将开始：
🏆InterSystems 开发者竞赛：面向 FHIR 的AI Agent🏆
持续时间： 2026 年 5 月 25 日至 6 月 14 日（美国东部时间）
奖金：12,000 美元
主题
开发一个可在互操作性 FHIR 解决方案中调用的AI Agent。
实施建议任务可获得 5 个额外积分 (!) - 每个应用程序一次
智能患者摘要生成器
功能：从 FHIR 数据中创建简洁、便于临床医生使用的患者摘要，包括病情、用药、过敏症、最近就诊情况、化验和护理计划。
FHIR 资源：Patient, Condition, MedicationRequest, AllergyIntolerance, Observation, Encounter, CarePlan.
平台功能：FHIR API、FHIR SQL Builder、AI Hub。
1-2 周 MVP： 挑选一名患者，调取最近的 FHIR 资源，生成：
加分项：为不同角色生成不同摘要：ED 医生、护理经理、患者或家庭护理人员。
本演示将带你体验 IRIS SQL 全新的表分区（Table Partitioning）功能，并沿途讲解其作用与工作原理。
为了验证概念，我们仅使用几十条数据进行演示。但显而易见，该功能的真正威力在于应对体量高出数个数量级的海量数据集。
💡 想要更简短、高屋建瓴的介绍？
不妨查看在线学习模块：Managing Tables with Partitioning in InterSystems IRIS
ℹ️ 表分区（Table Partitioning）功能已作为实验性功能包含在 IRIS 2026.1 中。
为了获得最佳的表分区体验，请注册 InterSystems Early Access Program (EAP)。加入 EAP 后，你将获得：许可证密钥、更新说明、与表分区团队更直接高效的沟通渠道。你的反馈对我们至关重要：我们越了解你希望如何使用表分区，就越能针对性地改进它。在注册Early Access Programs 的同时，也欢迎关注涵盖其他激动人心新功能的早期访问计划！
表分区允许用户依据特定的逻辑规则，将大表中的数据拆分存储到多个数据库中，从而实现高效的管理。