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. LLM solo con herramientas
- Límites de autonomía, políticas y supervisión humana
- Panorama de datos en salud y restricciones (EHR, FHIR, PHI)
Diseño de Flujos de Trabajo de Agentes
- Bucle 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)
- Ingesta y segmentación (chunking) de documentos médicos
- Embeddings, almacenes de vectores y evaluación de relevancia
- Sustento de respuestas y estrategias de citación
Integraciones e Interoperabilidad en el Sector Salud
- Fundamentos de FHIR/SMART para la conectividad de agentes
- Trabajo con datos clínicos estructurados y no estructurados
- Eventos, APIs y registros de auditoría
Seguridad, Riesgo y Gobernanza
- Barreras de protección, pruebas de seguridad (red-teaming) y diseño a prueba de fallos
- Manejo de PHI, seudonimización y controles de acceso
- Revisión con intervención humana en el proceso y rutas de escalado
Evaluación y Monitoreo
- Evaluaciones fuera de línea, conjuntos de datos de referencia (golden sets) y definición de KPI
- Detección de alucinaciones y verificaciones de factibilidad
- Observabilidad, registro de eventos (logging) y gestión de costos/latencia
Patrones de Despliegue y Laboratorio Práctico
- Elección entre modelos basados en API y modelos en las instalaciones (on-prem)
- Construcción de un agente aumentado por recuperación con LangChain, FastAPI y ChromaDB
- Simulación de respuesta ante incidentes y procedimientos de reversión (rollback)
Resumen y Próximos Pasos
Requerimientos
- Conocimiento de la programación básica en Python
- Experiencia con análisis de datos o flujos de trabajo de ML
- Familiaridad con conceptos de datos en salud (p. ej., EHR, FHIR)
Audiencia
- Científicos de datos y ingenieros de ML en el sector salud
- Equipos de informática clínica y productos de salud digital
- Líderes de TI y gerentes de innovación en el sector salud