Prometheno  ·  面向临床管理者
01 — 前提
面向临床管理者

治理,长在系统里。.

手工拼凑的审计日志。从零开始的队列审批周期。永不传播的同意撤销。Prometheno 的HAVEN 同意注册表和哈希链式审计日志自动结束这三个问题——在每个研究人员查询时。当 IRB 询问时,链条已就绪。当 AI 进入工作流程时,VERITAS 让它为实际行为负责。

02 — 痛点

每个做研究的医疗机构都懂这三种痛。

01

审计全靠手工拼

IRB 一问、监管一查,就是几周的 PDF 整理。审计记录散落在 EHR、邮件、Excel 表里。不是链条断了——根本就没有链条。

02

每个队列都从头跑流程

IRB 修正、DUA 续签、IT 开权限……每个新研究都要把官僚流程走一遍。本该能复用的基础设施,却没法复用。

03

撤回同意传不下去

患者改了主意,下游队列不知道。发表的研究还用着患者早就撤回的数据。没有系统级强制执行——只有纸质记录和好心人。

03 — 我做了什么

HAVEN 同意 + 审计,内置于 Prometheno 平台。VERITAS 和已发布的基准测试在上层——当 AI 智能体进入工作流程时启用。

开放协议 · 基石

HAVEN consent + audit

内置于 Prometheno 后端,每次查询自动执行
可编程、可立即撤销的同意机制。只可追加、哈希链式、Ed25519 签名的审计追踪。研究人员每次访问都在查询时受同意范围限制,并以防篡改方式记录。交给 IRB 的链条默认就存在。
规范: v2.0 draft, CC BY 4.0
引用: DOI 10.5281/zenodo.18701303
测试: Prometheno 后端 27 项通过
解决:审计整理、同意撤销传播、IRB 可读溯源
参考平台

Prometheno

HAVEN 运行的地方 · Forge 运行的地方
PostgreSQL + OMOP CDM 6.0 骨干。内置 HAVEN 参考实现。Forge(研究人员队列构建器)在上层运行,每次查询都经过 HAVEN 同意 + 审计。端到端一条链。
后端: v0.8.0
HAVEN 测试: 27 项通过
词汇: 27万 Athena 概念
解决:队列构建 + 治理单一平台,无需跨系统手动协调
开放协议 · AI 问责

VERITAS

受监管环境中 AI 的确定性运行时
当 AI 智能体进入临床工作流程时,VERITAS 包裹它们:策略检查、能力门控、输出验证、哈希链审计。已发布 7 个医疗参考场景(药物相互作用、事前授权、脓毒症漂移检测等)。人与医疗 AI 之间的信任接缝。
测试: 131 项通过
技术栈: Rust 1.85+, Apache 2.0
场景: 7 个医疗参考
解决:AI 智能体治理、策略执行、模型漂移检测
已发布证据 · AI 治理

VeritasBench

700 场景基准测试 · 首个发布的 AI 智能体治理测量
跨 5 个治理维度的真实 GPT-4o-mini API 调用。裸 LLM 策略得分 81%,但可追溯性 0%、可控性 0%——经测量、多模型共识验证、带 DOI 发布。在你自己的 AI 系统上运行它,了解你的差距。
场景: 700 个,11 类
引用: DOI 10.5281/zenodo.19403623
许可: Apache 2.0
解决:部署前量化 AI 治理差距
04 — 演示

HAVEN 在每次查询下如何运行。

研究人员通过 Forge 请求队列。HAVEN 检查同意范围,审计每次访问,不打扰研究人员。交给 IRB 的链条是自动构建的——不是事后拼凑的。

Step 01

请求

研究人员通过 Forge 查询糖尿病队列。

POST /api/cohorts/build
{
  "criteria": {
    "condition": "type 2 diabetes",
    "age_range": [40, 65],
    "med": "metformin"
  },
  "purpose": "outcome_study"
}
Step 02

同意检查

HAVEN 注册表筛选出已同意的患者。

HAVEN.verify_consent(
  patients=[...],
  scope="clinical_data",
  purpose="outcome_study"
)

→ 1,847 / 2,300 patients
   pass scope check
   (453 excluded: scope mismatch
    or revoked)
Step 03

审计记录

每次访问的哈希链式记录。防篡改。

AUDIT entry #5247
  action: cohort_build
  scope: clinical_data
  purpose: outcome_study
  prev_hash: 0x57238bf3...
  this_hash: 0x9799d065...
  signed: ed25519:fa9c...
Step 04

IRB 就绪

按需回放链条。无需事后整理。

$ haven audit export
  --scope cohort_5247
  --format irb-pdf

→ chain verified ✓
→ 1,847 access entries
→ Merkle inclusion proofs
→ output: cohort_5247.pdf
— VERITAS · AI 问责

AI 智能体引入了不同的差距。已测量。

VeritasBench 在 700 个场景中测试了 5 种方法。裸 LLM 策略得分 81%,但可追溯性 0%、可控性 0%。VERITAS 弥合了这个差距。发布的基准测试在部署前给你一个数字。

VeritasBench benchmark chart — bare LLM scores 0% on traceability and controllability while VERITAS-style architecture scores 92% and 90%
来源: VeritasBench v1 700 场景,GPT-4o-mini,多模型共识验证。AI 问责接缝的已发布证据。
关于这些示例

展示的代码用于说明 API 结构。哈希值由 HAVEN 参考实现实际生成,具体值因场景而异。图表中 ClinicClaw 的 91% 反映的是针对已知场景类型设计的规则。

05 — 规模化后

规模化后会怎样。

审计整理不再是几周的工程。IRB 周期大幅缩短,因为链条天生就在那儿。同意撤销全系统自动传播,不需要人工。你的科室产出研究成果,而不是合规负债。

我们按科室、按机构销售企业订阅。HAVEN 和 VERITAS 保持开源。Prometheno 是同时运行两者的平台——同意治理和 AI 问责,同一条链上。