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 Agentica para el Sector Salud
- Aplicaciones de LLM Agenticas vs. aplicaciones solo con herramientas
- Límites de autonomía, políticas y supervisión humana
- Panorama y restricciones de los datos de salud (EHR, FHIR, PHI)
Diseño de Flujos de Trabajo de Agentes
- Bucles 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 Aumentados por Recuperación (RAG)
- Ingestión y segmentación (chunking) de documentos médicos
- Embeddings, almacenes vectoriales y evaluación de relevancia
- Fundamentación de respuestas 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, APIs y bitácoras de auditoría
Seguridad, Riesgo y Gobernanza
- Barreras de seguridad (guardrails), pruebas de penetración (red-teaming) y diseño de contingencia (fail-safe)
- Manejo de PHI, desidentificación y controles de acceso
- Revisión con intervención humana (human-in-the-loop) y rutas de escalación
Evaluación y Monitoreo
- Evaluaciones fuera de línea, conjuntos dorados (golden sets) 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 vs. on-prem
- Construcción de un agente aumentado por recuperación (RAG) con LangChain, FastAPI y ChromaDB
- Simulación de respuesta ante incidentes y procedimientos de reversión (rollback)
Resumen y Próximos Pasos
Requerimientos
- Comprensión de programación básica en Python
- Experiencia en flujos de trabajo de análisis de datos o aprendizaje automático (ML)
- Conocimiento de conceptos de datos en salud (p. ej., EHR, FHIR)
Público Objetivo
- Científicos de datos e ingenieros de ML en el sector salud
- Equipos de productía en informática clínica y salud digital
- Líderes de TI y gerentes de innovación en el sector salud