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 35 horas
Temario del curso
Fundamentos de LangGraph para la salud
- Repaso de la arquitectura y principios de LangGraph.
- Casos de uso clave en salud: triaje de pacientes, documentación médica, automatización del cumplimiento normativo.
- Restricciones y oportunidades en entornos regulados.
Estándares de datos y ontologías en salud
- Introducción a HL7, FHIR, SNOMED CT e ICD.
- Mapeo de ontologías en flujos de trabajo de LangGraph.
- Desafíos de interoperabilidad e integración de datos.
Orquestación de flujos de trabajo en salud
- Diseño de flujos de trabajo centrados en el paciente versus centrados en el proveedor.
- Ramas de decisión y planificación adaptativa en contextos clínicos.
- Manejo del estado persistente para registros longitudinales de pacientes.
Cumplimiento, seguridad y privacidad
- HIPAA, GDPR y regulaciones regionales de salud.
- Desidentificación, anonimización y registro seguro.
- Trillas de auditoría y trazabilidad en la ejecución de grafos.
Confiabilidad y explicabilidad
- Gestión de errores, reintentos y diseño tolerante a fallos.
- Apoyo a la decisión con intervención humana (human-in-the-loop).
- Explicabilidad y transparencia para flujos de trabajo médicos.
Integración y despliegue
- Conexión de LangGraph con sistemas EHR/EMR.
- Contenerización y despliegue en entornos de TI de salud.
- Monitoreo, registro y gestión de SLA.
Estudios de caso y escenarios avanzados
- Flujos de trabajo automatizados para codificación y facturación médica.
- Apoyo al diagnóstico asistido por IA y triaje clínico.
- Reportes de cumplimiento y automatización de documentación.
Resumen y próximos pasos
Requerimientos
- Conocimientos intermedios de Python y desarrollo de aplicaciones con LLMs.
- Comprensión de estándares de datos de salud (por ejemplo, HL7, FHIR) es beneficioso.
- Familiaridad con los fundamentos de LangChain o LangGraph.
Público objetivo
- Tecnólogos de dominio.
- Arquitectos de soluciones.
- Consultores que desarrollan agentes de LLM en industrias reguladas.
Reseñas (1)
Profundidad sobre el contexto de fondo y la formulación de prompts.
Olaf Kannt - Helios Klinikum Krefeld
Curso - Generative AI and Prompt Engineering in Healthcare
Traducción Automática