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 de la Salud
- Aplicaciones LLM agénticas versus aplicaciones solo 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 con Recuperación (Retrieval-Augmented)
- Ingesta y segmentación (chunking) de documentos médicos
- Incrustaciones (embeddings), almacenes vectoriales y evaluación de relevancia
- Fundamentación de respuestas y estrategias de citación
Integraciones e Interoperabilidad en Salud
- Fundamentos de FHIR/SMART para la conectividad de agentes
- Trabajo con datos clínicos estructurados y no estructurados
- Eventos (eventing), APIs y registros de auditoría (audit trails)
Seguridad, Riesgo y Gobernanza
- Salvaguardas (guardrails), red-teaming y diseño a prueba de fallos (fail-safe)
- Manejo de PHI, desidentificación y controles de acceso
- Revisión con intervención humana (human-in-the-loop) y rutas de escalado
Evaluación y Monitoreo
- Evaluaciones offline, conjuntos de oro (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 versus on-prem
- Construcción de un agente aumentado con recuperación utilizando LangChain, FastAPI y ChromaDB
- Respuesta simulada a incidentes y procedimientos de reversión (rollback)
Resumen y Próximos Pasos
Requerimientos
- Conocimiento básico de programación en Python.
- Experiencia en análisis de datos o flujos de trabajo de ML.
- Familiaridad con conceptos de datos de salud (p. ej., EHR, FHIR).
Audiencia Destinataria
- 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.
