Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Fundamentos de la IA agéntica para la salud
- Aplicaciones de LLM agénticas versus de solo uso de herramientas
- Límites de autonomía, políticas y supervisión humana
- Panorama y restricciones de los datos de salud (EHR, FHIR, PHI)
Diseño de flujos de trabajo de agentes
- Planificación, memoria, uso de herramientas y bucles de reflexión
- Ingeniería de prompts, funciones/herramientas y selección de acciones
- Gestión de estado y patrones de orquestación
Agentes aumentados por recuperación
- Ingesta y división (chunking) de documentos médicos
- Embeddings, almacenes vectoriales y evaluación de relevancia
- Sustento de respuestas y estrategias de citación
Integraciones e interoperabilidad en salud
- Principios de FHIR/SMART para la conectividad de agentes
- Trabajo con datos clínicos estructurados y no estructurados
- Eventos, APIs y registros de auditoría
Seguridad, riesgos y gobernanza
- Salvaguardas, red-teaming y diseño de falla segura
- Manejo de PHI, desidentificación y controles de acceso
- Revisión con intervención humana y rutas de escalamiento
Evaluación y monitoreo
- Evaluaciones sin conexión, conjuntos de referencia y definición de KPI
- Detección de alucinaciones y verificaciones de factualidad
- Observabilidad, registro de eventos y gestión de costos/latencia
Patrones de despliegue y laboratorio práctico
- Elección entre modelos basados en API o locales (on-prem)
- Construcción de un agente aumentado por recuperación con LangChain, FastAPI y ChromaDB
- Respuesta simulada a incidentes y procedimientos de reversión
Resumen y siguientes pasos
Requerimientos
- Comprensión de programación básica en Python
- Experiencia en flujos de trabajo de análisis de datos o aprendizaje automático (ML)
- Familiaridad con conceptos de datos de salud (por ejemplo, EHR, FHIR)
Público objetivo
- Científicos de datos y ingenieros de ML en el sector salud
- Equipos de informática clínica y productos de salud digital
- Líderes de TI y gerentes de innovación en el sector salud