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 el Sector de la Salud
- Aplicaciones de LLM agénticas versus aplicaciones de solo 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
- Planificación, memoria, uso de herramientas y ciclos 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 (chunking) de documentos médicos
- 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 (eventing), APIs y auditorías (audit trails)
Seguridad, Riesgo y Gobernanza
- Barreras de seguridad (guardrails), pruebas de intrusión (red-teaming) y diseño a prueba de fallos
- Manejo de información protegida de salud (PHI), anonimización y controles de acceso
- Revisión con intervención humana y vías de escalamiento
Evaluación y Monitoreo
- Evaluaciones offline, conjuntos de datos de referencia (golden sets) y definición de KPIs
- Detección de alucinaciones y verificaciones de factualidad
- Observabilidad, registros (logging) y gestión de costos/latencia
Patrones de Despliegue y Laboratorio Práctico
- Elección entre modelos basados en API y modelos on-premise
- 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
- Comprensión de la programación básica en Python
- Experiencia en flujos de trabajo de análisis de datos o aprendizaje automático (ML)
- Conocimiento de conceptos de datos de salud (p. ej., EHR, FHIR)
Público Objetivo
- Científicos de datos e ingenieros de ML del sector salud
- Equipos de informática clínica y productos de salud digital
- Líderes de TI y gerentes de innovación en salud