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 de LLM agénticas versus LLM con uso exclusivo 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 de información (RAG)
- Ingesta y segmentación (chunking) de documentos médicos.
- Incorporaciones (embeddings), almacenes vectoriales y evaluación de relevancia.
- Anclaje de respuestas (grounding) y estrategias de citación.
Integraciones e interoperabilidad en el sector salud
- Fundamentos de FHIR/SMART para la conectividad de agentes.
- Trabajo con datos clínicos estructurados y no estructurados.
- Eventos, API y registros de auditoría.
Seguridad, riesgo y gobernanza
- Guardarraíles, pruebas de penetración (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 veracidad (factuality).
- Observabilidad, registro de eventos (logging) y gestión de costos/latencia.
Patrones de despliegue y laboratorio práctico
- Elección entre modelos basados en API y modelos locales (on-prem).
- Construcción de un agente RAG con LangChain, FastAPI y ChromaDB.
- Respuesta simulada a incidentes y procedimientos de reversión (rollback).
Resumen y próximos pasos
Requerimientos
- Conocimientos básicos de programación en Python.
- Experiencia en análisis de datos o flujos de trabajo de aprendizaje automático (ML).
- Familiaridad con conceptos de datos de salud (p. ej., EHR, FHIR).
Audiencia
- Científicos de datos e 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.
