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 de LLMs agénticas vs. solo de herramientas
- Límites de autonomía, políticas y supervisión humana
- Panorama de datos de salud y restricciones (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
- Ingesta y segmentación de documentos médicos
- Incrustaciones (embeddings), almacenes vectoriales y evaluación de relevancia
- Fundamentación 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, Riesgo y Gobernanza
- Barandillas (guardrails), red-teaming y diseño a prueba de fallos
- Manejo de PHI, desidentificación y controles de acceso
- Revisión con intervención humana (human-in-the-loop) y vías de escalación
Evaluación y Monitoreo
- Evaluaciones offline, conjuntos dorados y definición de KPIs
- Detección de alucinaciones y verificaciones de factualidad
- Observabilidad, registro de eventos (logging) y gestión de costos/latencia
Patrones de Despliegue y Laboratorio Práctico
- Elección entre modelos basados en API y locales (on-prem)
- 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
- Conocimiento de la programación básica en Python
- Experiencia en flujos de trabajo de análisis de datos o Machine Learning (ML)
- Familiaridad con los conceptos de datos de salud (por ejemplo, EHR, FHIR)
Público Objetivo
- Científicos de datos de salud e ingenieros de ML
- Equipos de informática clínica y productos de salud digital
- Líderes de TI y gerentes de innovación en salud
