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 35 timmar
Kursplan
Grundläggande kunskaper i LangGraph för hälso- och sjukvården
- Genomgång av LangGraphs arkitektur och principer
- Viktiga användningsfall inom hälso- och sjukvården: patienttriage, medicinsk dokumentation, automatisering av efterlevnad
- Begränsningar och möjligheter i reglerade miljöer
Standarder och ontologier för hälsodata
- Introduktion till HL7, FHIR, SNOMED CT och ICD
- Kartläggning av ontologier i LangGraph-arbetsflöden
- Utmaningar med datainteroperabilitet och integration
Orkestrering av arbetsflöden inom hälso- och sjukvården
- Design av patientcentrerade jämfört med leverantörscentrerade arbetsflöden
- Beslutsgrenar och anpassningsbar planering i kliniska sammanhang
- Hantering av persistente tillstånd för longitudinella patientjournaler
Efterlevnad, säkerhet och integritet
- HIPAA, GDPR och regionala hälso- och sjukvårdsförordningar
- Avkänslighet, anonymisering och säker loggning
- Granskningsspår och spårbarhet i grafens utförande
Tillförlitlighet och förklarbarhet
- Felhantering, återförsök och fault-tolerant design
- Human-in-the-loop beslutsstöd
- Förklarbarhet och transparens för medicinska arbetsflöden
Integration och deployning
- Anslutning av LangGraph till EHR/EMR-system
- Containerisering och deployning i IT-miljöer inom hälso- och sjukvården
- Övervakning, loggning och SLA-hantering
Fallstudier och avancerade scenarier
- Automatiserade arbetsflöden för medicinsk kodning och fakturering
- AI-stödd diagnostik och klinisk triage
- Automatisering av rapportering och dokumentation för efterlevnad
Sammanfattning och nästa steg
Krav
- Mellannivåkunskaper i Python och utveckling av LLM-applikationer
- Förståelse för standarder för hälsodata (t.ex. HL7, FHIR) är fördelaktigt
- Kunskap om grundläggande funktioner i LangChain eller LangGraph
Målgrupp
- Områdesteknologer
- Lösningsarkitekter
- Konsulter som utvecklar LLM-agenter i reglerade branscher
Vittnesmål (1)
En genomgående översikt över bakgrunden och hur man formulerar en prompt.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maskintolkat