Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 14 timmar
Kursplan
Grunden för agentbaserad AI inom hälso- och sjukvården
- Agentbaserade vs. endast verktygsbaserade LLM-applikationer
- Autonomigränser, policys och mänsklig övervakning
- Landskapet för data inom hälso- och sjukvård och begränsningar (EHR, FHIR, PHI)
Design av agentflöden
- Planering, minne, verktyganvändning och reflektionsloopen
- Promptdesign, funktioner/verktyg och åtgärdsval
- Statehantering och orkestreringsmönster
Hämtning-augmenterade agenter
- Inläsning och chunkning av medicinska dokument
- Embeddings, vektorlager och utvärdering av relevans
- Förankring av svar och citeringsstrategier
Integreringar och interoperabilitet inom hälso- och sjukvården
- Grundläggande FHIR/SMART för agentanslutning
- Arbete med strukturerad och ostrukturerad klinisk data
- Evettering, API:er och revisionsloggar
Säkerhet, risk och styrning
- Säkerhetsramar, red-teaming och fail-safe-design
- Hantering av PHI, pseudonymisering och åtkomstkontroller
- Människa-i-loop-granskning och eskaleringsvägar
Utvärdering och övervakning
- Offlinetester, guld-set och KPI-definitioner
- Detektering av hallucinationer och sanningsmässighetskontroller
- Observabilitet, loggning och hantering av kostnad/latens
Deployment-mönster och hands-on-laboration
- Val av API-baserad vs. on-premise-modell
- Byggandet av en hämtning-augmenterad agent med LangChain, FastAPI och ChromaDB
- Simulerad händelsehantering och rollback-procedurer
Sammanfattning och nästa steg
Krav
- En grundläggande förståelse för Python-programmering
- Erfarenhet av dataanalys eller ML-flöden
- Kunskap om dataconcept inom hälso- och sjukvård (t.ex. EHR, FHIR)
Målgrupp
- Datavetare och ML-ingenjörer inom hälso- och sjukvården
- Team inom klinisk informatik och digitala hälso- och sjukvårdslösningar
- IT-ledare och innovationschefer inom hälso- och sjukvården