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 LLM agénticas vs. basadas solo en herramientas
- Límites de autonomía, políticas y supervisión humana
- Panorama y restricciones de los datos sanitarios (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 (RAG)
- Ingesta y fragmentación (chunking) de documentos médicos
- Embeddings, almacenes vectoriales y evaluación de relevancia
- Anclaje de respuestas y estrategias de citación
Integraciones e interoperabilidad en salud
- Fundamentos de FHIR/SMART para la conectividad de agentes
- Manejo de datos clínicos estructurados y no estructurados
- Eventos, APIs y registros de auditoría
Seguridad, riesgos y gobernanza
- Salvaguardas, red-teaming y diseño a prueba de fallos
- Manejo de PHI, desidentificación y controles de acceso
- Revisión con supervisión humana y rutas de escalado
Evaluación y monitoreo
- Evaluaciones offline, conjuntos de referencia (golden sets) y definición de KPIs
- Detección de alucinaciones y verificación de facticidad
- Observabilidad, registro (logging) y gestión de costos/latencia
Patrones de despliegue y laboratorio práctico
- Selección de modelos: basado en API vs. on-premises
- Construcción de un agente aumentado por recuperación con LangChain, FastAPI y ChromaDB
- Respuesta simulada a incidentes y procedimientos de reversión (rollback)
Resumen y próximos pasos
Requerimientos
- Comprensión de programación básica en Python
- Experiencia con flujos de análisis de datos o aprendizaje automático
- Familiaridad con conceptos de datos sanitarios (p. ej., EHR, FHIR)
Público objetivo
- Científicos de datos en 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