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 la Salud
- Aplicaciones LLM agénticas vs. aplicaciones LLM solo con herramientas
- Límites de autonomía, políticas y supervisión humana
- Paisaje de datos de salud y restricciones (EHR, FHIR, PHI)
Diseño de Flujos de Trabajo de Agentes
- Ciclos de planificación, memoria, uso de herramientas y reflexión
- Ingeniería de prompts, funciones/herramientas y selección de acciones
- Gestión de estado y patrones de orquestación
Agentes Mejorados por Recuperación
- Ingesta y fragmentación de documentos médicos
- Embebidos (embeddings), almacenes vectoriales y evaluación de relevancia
- Respuestas fundamentadas y estrategias de citación
Integraciones e Interoperabilidad en Salud
- Conceptos básicos de FHIR/SMART para la conectividad de agentes
- Trabajo con datos clínicos estructurados y no estructurados
- Eventos, API y registros de auditoría
Seguridad, Riesgo y Gobernanza
- Salvaguardas, pruebas de intrusión (red-teaming) y diseño de seguridad (fail-safe)
- Manejo de PHI, desidentificación y controles de acceso
- Revisión con intervención humana y rutas de escalamiento
Evaluación y Monitoreo
- Evaluaciones offline, conjuntos de referencia (golden sets) y definición de KPI
- Detección de alucinaciones y verificaciones de veracidad
- Observabilidad, registro de eventos y gestión de costos/latencia
Patrones de Despliegue y Práctica de Laboratorio
- Elección entre modelos API vs. modelos on-prem
- Construcción de un agente mejorado por recuperación con LangChain, FastAPI y ChromaDB
- Respuesta simulada a incidentes y procedimientos de reversión (rollback)
Resumen y Próximos Pasos
Requerimientos
- Conocimiento de la programación básica en Python
- Experiencia en flujos de trabajo de análisis de datos o aprendizaje automático (ML)
- Familiaridad con los conceptos de datos de salud (por ejemplo, EHR, FHIR)
Audiencia
- Científicos de datos e ingenieros de ML en el sector de la salud
- Equipos de informática clínica y productos de salud digital
- Líderes de TI y gerentes de innovación en el sector de la salud