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 el sector salud
- Aplicaciones LLM agénticas vs. solo herramientas
- Limites de autonomía, políticas y supervisión humana
- Paisaje de datos de salud y restricciones (EHR, FHIR, PHI)
Diseño de flujos de trabajo de agentes
- Bucles de planificación, memoria, uso de herramientas y reflexión
- Ingeniería de prompts, funciones/herramientas y selección de acciones
- Gestión de estado y patrones de orquestación
Agentes aumentados con recuperación (RAG)
- Ingesta y segmentación de documentos médicos
- Incrustaciones (embeddings), almacenes vectoriales y evaluación de relevancia
- Anclaje de respuestas y estrategias de citación
Integraciones e interoperabilidad en salud
- Base de FHIR/SMART para la conectividad de agentes
- Trabajo con datos clínicos estructurados y no estructurados
- Generación de eventos, API y trazas de auditoría
Seguridad, riesgo y gobernanza
- Salvaguardas, pruebas de intrusión (red-teaming) y diseño a prueba de fallos
- Manejo de PHI, desidentificación y controles de acceso
- Revisión con supervisión humana y rutas de escalado
Evaluación y monitoreo
- Evaluaciones fuera de línea, conjuntos de oro y definición de KPI
- Detección de alucinaciones y verificación de facticidad
- Observabilidad, registros (logging) y gestión de costos/latencia
Patrones de despliegue y práctica manual
- Elección entre modelos basados en API y locales (on-prem)
- Construcción de un agente aumentado con recuperación usando LangChain, FastAPI y ChromaDB
- Simulación de respuesta ante incidentes y procedimientos de reversión (rollback)
Resumen y próximos pasos
Requerimientos
- Comprensión de la programación básica en Python
- Experiencia con análisis de datos o flujos de trabajo de aprendizaje automático (ML)
- Familiaridad con los conceptos de datos de salud (p. ej., EHR, FHIR)
Público objetivo
- Científicos de datos en salud e ingenieros de ML
- Equipos de informática clínica y productos de salud digital
- Líderes de TI y gerentes de innovación en el sector salud