Kom i kontakt
 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

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier