Contacta con nosotros

Temario del curso

Fundamentos de la IA agentiva para la salud

  • IA agentiva frente a aplicaciones de LLM solo con herramientas.
  • Límites de autonomía, políticas y supervisión humana.
  • Panorama y limitaciones de los datos de salud (EHR, FHIR, PHI).

Diseño de flujos de trabajo para agentes

  • Planificación, memoria, uso de herramientas y bucles de reflexión.
  • Ingeniería de prompts, funciones/herramientas y selección de acciones.
  • Patrones de gestión del estado y orquestación.

Agentes de recuperación aumentada

  • Ingestión y fragmentación (chunking) de documentos médicos.
  • Incorporaciones (embeddings), almacenes vectoriales y evaluación de relevancia.
  • Anclaje de respuestas y estrategias de citación.

Integraciones e interoperabilidad en el sector de la salud

  • Conceptos básicos de FHIR/SMART para la conectividad de agentes.
  • Trabajo con datos clínicos estructurados y no estructurados.
  • Eventos, API y registros de auditoría.

Seguridad, riesgos y gobernanza

  • Líneas de defensa (guardrails), pruebas de intrusión (red-teaming) y diseño a prueba de fallos.
  • Manejo de información de salud protegida (PHI), desidentificación y controles de acceso.
  • Revisión con intervención humana y rutas de escalamiento.

Evaluación y monitoreo

  • Evaluaciones fuera de línea, conjuntos de referencia (golden sets) y definición de KPI.
  • Detección de alucinaciones y verificaciones de factualidad.
  • Observabilidad, registro de eventos (logging) y gestión de costos/latencia.

Patrones de despliegue y laboratorio práctico

  • Elección entre modelos basados en API e instalados localmente (on-prem).
  • Construcción de un agente de recuperación aumentada con LangChain, FastAPI y ChromaDB.
  • Respuesta simulada a incidentes y procedimientos de reversión (rollback).

Resumen y próximos pasos

Requerimientos

  • Comprensión básica de la programación en Python.
  • Experiencia con flujos de trabajo de análisis de datos o aprendizaje automático (ML).
  • Familiaridad con los conceptos de datos de salud (por ejemplo, EHR, FHIR).

Público objetivo

  • Científicos de datos y ingenieros de ML en el sector de la salud.
  • Equipos de informática clínica y productos de salud digital.
  • Líderes de TI y gestores de innovación en el ámbito sanitario.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas