.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。
Interoperability on Python (IoP) 是一个概念验证项目，旨在展示与 Python 优先方式相结合时 InterSystems IRIS Interoperability Framework 的强大功能。IoP 利用Embedded Python（嵌入式 Python，InterSystems IRIS 的一个功能）使开发者能够用 Python 编写互操作性组件，从而可以与强大的 IRIS 平台无缝集成。本指南专为初学者编写，全面介绍了 IoP、其设置以及创建第一个互操作性组件的操作步骤。 阅读完本文，您将能够清楚地了解如何使用 IoP 构建可扩缩、基于 Python 的互操作性解决方案。
InterSystems 常见问题解答标题
^%GCMP 实用工具可用于比较两个全局变量的内容。
例如，要比较 USER 和 SAMPLES 命名空间中的 ^test 和 ^test，过程将与下面类似：
*以下示例在这两个命名空间中创建了 700 个相同的全局变量，并更改了其中一个的内容，使其成为检测目标。
USER>kill^test
USER>for i=1:1:100 { forj=1:1:7 { set^test(i,j)="Test"_i } }
USER>zn"samples"// change namespace to SAMPLES
SAMPLES>kill^test
SAMPLES>for i=1:1:100 { forj=1:1:7 { set^test(i,j)="Test"_i } }
SAMPLES>set^test(50,5,1)=1// Change one of the globals created in the SAMPLES namespace.
SAMPLES>do^%GCMP
Compare global ^test// Global to compare.
on directory set: (this system) // Enter
InterSystems IRIS® 数据平台、InterSystems IRIS® for HealthTM 和HealthShare® Health Connect 的2025.1.2 和 2024.1.5 维护版本现已全面上市 (GA)。这些版本包括对最近发布的一些警报和建议的修复，其中包括以下内容：
请通过开发者社区分享您的反馈意见，以便我们共同打造更好的产品。
您可以在这些页面上找到详细的变更列表和升级检查列表：
现在有许多 EAP 可用。请查看此页面并注册您感兴趣的项目。
InterSystems IRIS 和
概述
快捷式医疗服务互操作资源 (FHIR) 是一个由 HL7 International 开发的标准化框架，旨在以灵活、对开发者友好且现代的方式促进医疗数据的交换。 它利用现代网络技术来确保在医疗保健系统间实现无缝集成与通信。
关键 FHIR 技术
FHIR 围绕着称为资源的模块化组件构建，每个组件代表特定的医疗保健概念，包括：
资源单独定义，并且可以引用其他资源，以构成一个完善的数据模型。
InterSystems IRIS for Health：FHIR 支持
InterSystems IRIS for Health 是一个专为医疗保健行业设计的统一数据平台。 它包含对 HL7 FHIR 的原生支持。 它提供内置工具与服务，能够实现 FHIR 资源的存储、检索、转换和交换。IRIS 通过三大 FHIR 处理组件提升系统的互操作性：
1.FHIR 仓库服务器
IRIS 可以快速部署符合 FHIR 标准的服务器，并支持以下功能：
.png)
InterSystems Data Fabric Studio（IDFS）提供了一种新方法，可在安全可控的环境中将正确的数据在正确的时间提供给正确的消费者。
数字健康解决方案提供者面临的压力越来越大，他们不仅要集成复杂的健康数据系统，还要确保可扩缩性、安全性和符合 HL7 FHIR 等标准。 Fast Healthcare Interoperability Resources (FHIR) 提供了一个标准化框架，使不同的健康 IT 系统能够毫不费力地进行通信，彻底改变了健康数据的交换方式。 但是，仅仅遵循 FHIR 标准并不足以应对健康数据集成错综复杂的问题。 解决方案合作伙伴必须利用 FHIR 代理、装饰和仓库等先进的架构组件来构建可扩缩的高效解决方案。 无论是本地部署、在公共云中，还是作为 InterSystems 管理的基于云的服务，InterSystems 提供为您的健康数据实现 FHIR 所需的所有必要功能。
数据是席卷医疗保健行业的数字化转型的核心。 要想发生根本性转变，需要一个新的基础来处理现代医疗保健的海量数据需求。
在您开发下一个治疗性突破、基因组见解和智能临床工作流时，上市速度至关重要。 您需要立即交付它们。
这就是我们为何扩展 InterSystems IRIS 数据平台的能力，以应对医疗保健信息的独特特征。 InterSystems IRIS for Health 是世界上第一个也是唯一一个专为快速开发医疗保健应用程序而设计的数据平台，管理着世界上最关键的数据。
您知道当您拿到验血结果时一切看起来都像天书的那种感觉吗？ 这就是 FHIRInsight 要解决的问题。 它最初的理念是，医疗数据不应该令人恐惧或困惑 – 它应该是我们所有人都能使用的东西。 验血是健康检查中十分常见的检查，但说实话，大多数人都很难理解它们，有时甚至对不擅长实验室工作的医务人员来说也是如此。 FHIRInsight 希望整个过程能够变得更简单，信息更富有实用价值。
这一切都始于一个简单而有力的问题：
“为什么验血结果仍然很难读懂 — 有时甚至对医生来说也是如此？”
如果您看过化验结果，您可能会看到一大堆数字、隐晦的缩写和“参考范围”，这些可能适用于您的年龄、性别或身体状况，也可能不适用。 毫无疑问，它是一种诊断工具，但如果没有背景信息，它就变成了一个猜谜游戏。 即使是经验丰富的医疗保健专业人员有时也需要交叉参考指导方针、研究论文或专家意见才能理解所有内容。
这正是 FHIRInsight 的用武之地。
我们不只是为患者而构建，也为一线医护人员而构建。 为轮流值班的医生，为捕捉生命体征细微变化的护士，为每一位试图在有限的时间和巨大的责任下做出正确决定的医护人员而构建。 我们的目标是让他们的工作简单一点，将密集的临床 FHIR 数据转化为清晰、有用、以真正的医学科学为基础的东西， 讲人类语言的东西。
FHIRInsig
2024年10月19日，首都医科大学附属北京安贞医院（简称“北京安贞医院”）通州院区开诊，医院迈入两院区一体化发展新阶段。“随着手术量的增加，术中监测设备上的指标自动采集，对于术中工作效率的提高就更加重要了，但有些设备尚未做到国产化，例如心脏搭桥手术血流监测仪是挪威进口设备，只支持通过FHIR标准与HIS对接。于是，我们在院区开业一个月后启动了基于FHIR（Fast Healthcare Interoperability Resources，快速医疗保健互操作性资源）的医疗信息系统集成技术路线与开发项目，以心脏搭桥手术血流监测仪为突破口，实现此类设备的结构化数据采集、存储及应用。”北京安贞医院信息中心技术总监周奕介绍。
InterSystems提供统一数据战略，聚焦复杂行业中的速度、安全性与实时洞察能力。
在医疗 AI 快速发展的今天，数据孤岛、标准不统一、部署效率低等问题日益凸显，如何打破壁垒、实现 AI 能力的高效整合与落地成为行业关键课题。
2025年7月25日，我们邀请了InterSystems销售工程师 @Kate Lau 分享了关于“InterSystems FHIR to OMOP数据管道”的内容。
如果说FHIR是数据资产化的“起点”，通过实时交换和标准化接口，将分散的医疗数据转化为可流通的资产；那么OMOP就是科研价值的“终点”，通过标准化模型和工具链，挖掘数据资产中的知识，支撑临床决策和药物研发。从FHIR到OMOP，灵活的转换能够有效推动数据资产的应用落地。
InterSystems FHIR to OMOP数据管道提供了解决方案。通过标准互操作（基于FHIR R4标准构建数据接口）、自动化映射（内置OMOP CDM预构建映射规则，大大缩短传统ETL开发周期）、 自动化数据质量分析和云原生架构（依托AWS HealthLake实现弹性扩展），可以帮助用户快速实现数据资产的OMOP化，为用户在数字时代占据先机！
关于该主题详情，欢迎查看这篇帖子。
直播回放现已准备就绪，欢迎查看！（如您未注册过，需要注册后观看）
📣📣📣2025年7月25日15:00，我们邀请InterSystems销售工程师Kate Lau带来一场关于“InterSystems FHIR to OMOP数据管道”的分享，欢迎参加！
在 InterSystems，我们相信负责任地披露最近发现的安全漏洞。我们向客户提供及时的信息，同时防止信息落入可能滥用信息的人之手。我们还了解每个客户在解决安全问题方面都有不同的要求。
从 2023 年开始，我们对安全漏洞修复方法进行了两项重大更改，我想强调一下：
每个版本中的安全漏洞补丁
现在，每个版本都可能包含针对安全漏洞的补丁，而不是等待在安全版本中提供补丁。我们改进的发布节奏将及时向现场提供补丁。
改进客户通知
中低影响项目（通常包括侦察攻击或跨站点脚本攻击等漏洞）将包含在每个版本中，并在产品发布说明中进行描述。
更高严重性项目的修复也将包含在每个版本中，因为它们已准备就绪，但有关修复的信息将被禁运，直到补丁包含在所有受支持的版本中。
当所有受支持的版本中都已修复这些问题时，将针对高严重性和严重性问题发布安全警报。
为什么 InterSystems 做出这些改变？
我们相信这些改进将：
当然，随着维护版本和持续交付版本的概念，这个过程变得更加复杂。为了帮助客
大家好！
本文主要丰富了上一篇文章的内容，并介绍了应用程序的使用方法。
也许您已经读过上一篇文章，但我还是想说，
在完成初始化操作（包括模型创建和训练）后，Fhir HepatitisC Predict 应用程序将预测丙型肝炎（HepatitisC）。
您需要在应用程序上输入一些信息，当然，只是一些检查结果，不包括隐私数据。
点击显示按钮，将显示该指标的数据是否在正常范围内，指标是高还是低。当然，每个指标的数据范围都是通过查询信息获得的，可能与实际范围略有不同。
完成信息输入后，点击预测实际上涉及到应用程序中的许多操作。
1. 将发送的 JSON 格式检查结果转换为 FHIR 资源（对部分患者基本信息和其他隐私数据使用模拟数据）
2. 通过 FHIR Server 提供的 API 接口（ip: port/hir/r4/）将转换后的 FHIR 资源注册到 FHIR 资源库，类似于使用 Postman 进行接口调用。需要注意的是，将内容类型设为 application/JSON+fhir
ClassMethod HTTPSend(IPAddress As%String, Port As%String, Url As%String, Body As%String, Output HttpResponse.png)
InterSystems 发布了新的点式更新，该更新解决的缺陷问题影响以下受支持的产品线的最新先前版本 2025.1.0、2024.1.4、2023.1.6 和 2022.1.7：
此问题可能导致在使用以下功能时出现意外的 <PROTECT> 错误或访问异常：
虽然这些问题并不影响访问控制或用户权限，但它们会在多种场景下影响预期的系统行为。
以下点式版本中修复了该问题：
建议使用受影响版本的客户应用相关更新，以确保系统正常运行。
如果您有任何问题或需要支持，请联系 InterSystems 全球响应中心 (WRC)。
| 公告编号 | 受影响的产品和版本 | 风险类别和评分 | 明确要求 |
|
DP-439649 |
产品：
版本：
|
操作： 系统稳定性： 此问题不构成安全漏洞。 它不允许用户绕过权限检查或访问其授权命名空间之外的数据 |
使用隐含命名空间、管理门户或数据库读写/只读混合访问权限 |
适用于 InterSystems IRIS® 数据平台、InterSystems IRIS® for HealthTM 和 HealthShare® Health Connect 的维护版本 2024.1.4 和 2023.1.6 现已正式发布 (GA)。 这些版本包含对最近发布的以下提醒的修复 - 提醒：SQL 查询返回错误结果 | InterSystems。 请通过开发者社区分享您的反馈，以便我们可以共同打造更出色的产品。
您可以在以下页面上找到详细的变更列表和升级核对清单：
目前提供多个 EAP。 请查看此页面并注册您感兴趣的 EAP。
InterSystems IRIS 和 InterSystems IRIS for Health 的完整安装包可以从本 WRC 的 InterSystems IRIS 数据平台完整工具包页面 获取。 HealthShare Health Connect 工具包可以从 WRC 的 HealthShare 完整工具包页面获取。 容器镜像可以从 InterSystems 容器注册表中获取。
此版本提供了适用于所有受支持平台的经典安装
InterSystems 宣布 InterSystems IRIS、InterSystems IRIS for Health 和 HealthShare Health Connect 2025.1 正式发布
2025.1 版的 InterSystems IRIS® 数据平台、InterSystems IRIS® for HealthTM 和 HealthShare® Health Connect 现已正式发布 (GA)。 这是扩展维护 (EM) 版本。
版本亮点
在这个激动人心的版本中，用户可以期待一些新功能和增强，包括：
互操作性用户界面现在包括可以在所有互操作性产品中使用的 DTL 编辑器和生产配置应用程序的现代化用户体验。您可以在现代化视图与标准视图之间切换。所有其他互操作性屏幕仍采用标准用户界面。请注意，仅对这两个应用程序进行了更改，我们在下面确定了当前可用的功能。
要在升级前试用新屏幕，您可以点击这里，从我们的社区工具包网页中下载 2025.1 版：https://evaluation.intersystems.com/Eval/。请观看“学习服务”中的简短教程构建集成：一种新的用户体验，了解对这些屏幕进行的用户增强！
在之前的帖子中，我展示了如何使用 pButtons 收集历史性能指标。 我首选 pButtons 是因为我知道它随每个数据平台实例（Ensemble、Caché、...）一起安装。 不过，还有其他方法可以实时收集、处理和显示 Caché 性能指标，以进行简单的监视，或进行更重要的并且复杂得多的运营分析和容量计划。 最常见的数据收集方法之一是使用 SNMP（简单网络管理协议）。
SNMP 是 Caché 向各种管理工具提供管理和监控信息的标准方式。 Caché 在线文档包含了 Caché 和 SNMP 之间接口的详细信息。 虽然 SNMP 应该可以直接与 Caché 配合工作，但仍有一些配置技巧和陷阱。 我经历了很多次错误的开始，并且在 InterSystems 其他同事的帮助下，才让 Caché 与操作系统 SNMP 主代理建立对话，所以我写了这篇帖子，希望您可以避免同样的痛苦。
在本帖中，我将介绍如何为 Red Hat Linux 上的 Caché 设置和配置 SNMP，您应该能够对其他 *nix 版本使用相同步骤。 我使用 Red Hat 写这篇文章是因为在 Linux 上进行设置更棘手一些；在 Windows 上，Caché 会自动安装一个 DLL 来与标准 Windows SNMP 服务连
在过去的几个月里，我一直在从事 SMART on FHIR EHR Launch 的工作，使用 CSIRO 的两个开源应用程序：SMART-EHR-Launcher 和 SMART 表单应用程序来测试 IRIS for Health 的功能。这段旅程非常有趣，我非常感谢能有机会参与这项任务并探索 IRIS for Health 的更多潜力。
在 HL7 AU FHIR Connectathon 上成功演示了多个外部 SMART 应用程序的无缝启动后，我很高兴能与社区分享我的心得。我希望我的见解能帮助其他人更快地开始类似的项目。
这项任务涉及使用 SMART-EHR-Launcher 作为 EHR 来启动 SMART 表单应用程序。同时，IRIS for Health 被用作 EHR 的 FHIR 资源库，其 OAuth2 服务器被用作授权服务器。
在进入激动人心的时刻之前，让我们先仔细了解一下 SMART on FHIR 和 SMART on FHIR EHR 启动仪式。让我们问问我们的好朋友 ChatGPT 和 豆包。
什么是 SMART on FHIR?
SMART on FHIR 是一种用于开发医疗保健应用程序的平台，旨在实现医疗保健系统之间的互操作性、安全性和可扩展性。以下是其详细介绍：
IRIS 支持开箱即用的 CCDA 和 FHIR 转换，但访问和查看这些功能需要大量的时间设置和产品知识。IRIS Interop DevTools 应用程序旨在弥补这一差距，让实施人员能够立即进入并查看产品的内置转换功能。
除了 IRIS XML、XPath 和 CCDA 转换环境，Interop DevTools 软件包现在还提供：
已经更新仪表板的外观和感触，看起来更加直观和用户友好。在 IRIS 中执行，以便充分利用环境，同时用户界面允许可见性、可重复性以及隔离修改和模块进行测试的能力。
以下是5个功能支持:
1. XPath 评估器： 根据输入 CCD 评估 XPath 并返回结果
2. CCDA 到 SDA 转换： 通过选定的基本 XSL 转换运行输入的 CCD，并显示 SDA 结果。
3. XSL 模板测试器： 针对输入 CCD 应用单个 XSL 模板，并显示生成的 CCD。
4. FHIR 到 SDA 转换： 在输入的 FHIR 资源或捆绑包上运行标准的 FHIR 到 SDA 转换，并显示 SDA 结果或 FHIR 验证错误响应。
5. 5. SDA 到 FHIR 转换： 在输入的 SDA 消息上运行标准的 SDA 到
.png)
基于 XSLT 的互联互通临床文档到 FHIR 资源转换
国家卫健委互联互通成熟度评测中的临床共享文档，作为医疗信息交换的重要载体，采用了XML标准的文档格式。随着医疗信息化的发展，FHIR（Fast Healthcare Interoperability Resources）作为新一代医疗信息交换标准，因其简洁性、灵活性和RESTful架构，逐渐成为医疗数据交换的理想选择。将共享文档文档转换为FHIR资源，能够有效促进不同医疗系统间的数据互通，提升医疗信息的利用价值。
XSLT（可扩展样式表语言转换）是一种用于将XML文档转换为其他XML文档或文本格式的语言。在医疗数据转换场景中，XSLT凭借其强大的XML处理能力，成为共享文档到FHIR转换的理想工具。
我们知道共享文档文档是一种结构化的XML文档，通常包含以下主要部分：
- 文档头（Document Header）：包含文档元数据，如文档类型、创建时间、作者等
- 临床数据部分（Clinical Sections）：按章节组织的临床信息，如问题列表、用药记录、检查报告等
- 数据条目（Entries）：具体的临床数据项，如诊断、药物、检验结果等
FHIR则采用了资源导向的设计理念，每个临床概念都被建模为独立的资源，通过RESTful API进行访问。FHIR资源具有以下特点：
- 模块化设计：每个资源专注
各位开发者，大家好！
或许您不得不实现一些场景，这些场景不需要 FHIR 仓库但需要转发 FHIR 请求、管理响应，并且可能运行转换或在两者之间提取一些值。 在这里，您会找到一些可以使用 InterSystems IRIS For Health 或 HealthShare Health Connect 实现的示例。
在这些示例中，我使用了具有 FHIR 互操作性适配器和 HS.FHIRServer.Interop.Request 消息的互操作性生产配置。
第一个场景从头开始构建 FHIR 请求（可以来自文件，也可以来自 SQL 查询），然后将其发送到外部 FHIR 服务。
下一个场景是一种 FHIR 传递，用于将请求和响应传递到外部 FHIR 仓库，另外还管理 OAuth 令牌。
最后一个场景包括接收 FHIR 请求，然后将其转发到外部 FHIR 服务，但会提取信息或更改其间的某些字段。
您将在 Open Exchange 应用程序中找到实现细节 :)
希望这对您有用！
Hi开发者们，
我们很高兴邀请大家参加我们的新一轮开发者竞赛。
🏆 InterSystems开发者竞赛：FHIR和数字医疗健康互操作性 🏆
时间: 2025年5月12日-6月1日（美国东部时间）
奖金池: 12,000美元
.jpg)
.png)
Hi 大家好
在本文中,我讲介绍我的应用 iris-AgenticAI .
代理式人工智能的兴起标志着人工智能与世界互动方式的变革性飞跃--从静态响应转变为动态、目标驱动的问题解决方式。参看 OpenAI’s Agentic SDK , OpenAI Agents SDK使您能够在一个轻量级、易用且抽象程度极低的软件包中构建代理人工智能应用程序。它是我们之前的代理实验 Swarm 的生产就绪升级版。
该应用展示了下一代自主人工智能系统，这些系统能够进行推理、协作，并以类似人类的适应能力执行复杂任务。
尽管IRIS和HealthConnect拥有全面的互操作特性，但在实际工作中，还是有可能遇到需要使用遗留类库，dll SDK等方式与外部应用通信的情况。例如IRIS中并没有内嵌国密算法SM2、SM3和SM4，而开源社区中不乏通过Java、Python和C++等语言完成的具体实现。本文就将以调用SM4的Java实现为例展示ObjectScript程序与第三方语言通信的过程。
Github地址：https://github.com/LinZhuISC/javademo.SM4
在开始实际操作之前，希望读者先针对整个调用过程中的主调方和被调方思考两个现象：
针对这两个现象，开发者需要思考，在哪一侧需要做什么样的一些工作以便调用过程能够顺畅进行。
在这个背景下，当我们需要让ObjectScript与Java相互通信和调用时，就不得不解决几个技术问题：
社区朋友们好，
传统的基于关键词的搜索方式在处理具有细微差别的领域特定查询时往往力不从心。而向量搜索则通过语义理解能力，使AI智能体能够根据上下文（而非仅凭关键词）来检索信息并生成响应。
本文将通过逐步指导，带您创建一个具备代理能力的AI RAG（检索增强生成）应用程序。
1. Create Agent Tools 添加文档摄取功能
Implement Document Ingestion: Automated ingestion and indexing of documents
1.1 - 以下是实现文档摄取工具的代码：
defingestDoc(self):#Check if document is defined, by selecting from table#If not defined then INGEST document, Otherwise back
embeddings = OpenAIEmbeddings()
#Load the document based on the fle type
loader = TextLoader("/irisdev/app/docs/IRIS2025-1-Release-Notes.txt", encoding='utf-8')
documents = loader.load()
text_splitter = RecursiveCharacterTextSplitter(chunk_size=400, chunk_overlap=0)
texts = text_splitter.split_documents(documents)
#COLLECTION_NAME = "rag_document"
db = IRISVector.from_documents(
embedding=embeddings,
documents=texts,
collection_name = self.COLLECTION_NAME,
connection_string=self.CONNECTION_STRING,
)
db = IRISVector.from_documents(embedding=embeddings,documents=texts, collection_name = self.COLLECTION_NAME, connection_string=self.CONNECTION_STRING,)向量搜索智能体（Vector Search Agent）能够自动完成文档的摄取（ingest）与索引构建（index）， 该新功能在InterSystems IRIS 2025.1的数据资源文件夹里） 至 IRIS 向量存储， 只有当数据尚未存在时，才执行该操作。.png)
运行以下查询以从向量存储中获取所需数据：
SELECTid, embedding, document, metadata
FROM SQLUser.AgenticAIRAG.png)
1.2 - 实现向量搜索功能
以下代码为智能体提供了搜索能力：
defragSearch(self,prompt):#Check if collections are defined or ingested done.# if not then call ingest method
embeddings = OpenAIEmbeddings()
db2 = IRISVector (
embedding_function=embeddings,
collection_name=self.COLLECTION_NAME,
connection_string=self.CONNECTION_STRING,
)
docs_with_score = db2.similarity_search_with_score(prompt)
relevant_docs = ["".join(str(doc.page_content)) + " "for doc, _ in docs_with_score]
#Generate Template
template = f"""
Prompt: {prompt}
Relevant Docuemnts: {relevant_docs}
"""return template
分流代理处理传入的用户查询，并将其委托给矢量搜索代理，后者执行语义搜索操作，以检索最相关的信息。.png)