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 de LLM agénticos versus aplicaciones solo de 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 por 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 el Sector de la Salud
- Fundamentos de FHIR/SMART para la conectividad de agentes
- Trabajo con datos clínicos estructurados y no estructurados
- Generación de eventos, APIs y registros de auditoría
Seguridad, Riesgo y Gobernanza
- Guardarraíles, pruebas de penetración (red-teaming) y diseño de mecanismos de seguridad (fail-safe)
- Gestión de PHI, desidentificación y controles de acceso
- Revisión con participación humana en el proceso (human-in-the-loop) y rutas de escalado
Evaluación y Monitoreo
- Evaluaciones fuera de línea, conjuntos de referencia (golden sets) y definición de KPI
- Detección de alucinaciones y verificación de factualidad
- Observabilidad, registro de eventos (logging) y gestión de costos/latencia
Patrones de Despliegue y Laboratorio Práctico
- Elecciones de modelos basados en API versus implementación local (on-prem)
- Construcción de un agente aumentado por recuperación con LangChain, FastAPI y ChromaDB
- Simulación de respuesta a incidentes y procedimientos de reversión (rollback)
Resumen y Próximos Pasos
Requerimientos
- Comprensión de la programación básica en Python
- Experiencia en flujos de trabajo de análisis de datos o aprendizaje automático (ML)
- Conocimiento de conceptos de datos de salud (p. ej., EHR, FHIR)
Público Objetivo
- Científicos de datos en el sector 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