聯繫我們
 課程時長 14 時間:

課程簡介

醫療健康領域智能體 AI 的基礎

  • 智能體應用與僅使用工具的 LLM 應用之比較
  • 自主性邊界、政策及人類監督
  • 醫療健康數據環境與約束條件(EHR、FHIR、PHI)

設計智能體工作流程

  • 規劃、記憶、工具使用及反思迴路
  • 提示工程(Prompt Engineering)、函式/工具及行動選擇
  • 狀態管理與編排模式

檢索增強型智能體(Retrieval-Augmented Agents)

  • 醫療文件攝取與分塊(Chunking)
  • 嵌入(Embeddings)、向量存儲及相關性評估
  • 響應基於事實的依據及引用策略

醫療健康整合與互操作性

  • 智能體連接性的 FHIR/SMART 基礎
  • 處理結構化與非結構化臨床數據
  • 事件驅動(Eventing)、API 及稽核日誌

安全性、風險與治理

  • 防護欄、紅隊測試(Red-teaming)及失效安全設計
  • PHI 處理、去識別化及訪問控制
  • 人類在迴路審查及升級路徑

評估與監控

  • 離線評估、黃金標準集(Golden Sets)及 KPI 定義
  • 幻覺(Hallucination)檢測及事實性檢查
  • 可觀測性、日誌記錄及成本/延遲管理

部署模式與實作實驗室

  • 基於 API 與本地部署(On-prem)的模型選擇
  • 使用 LangChain、FastAPI 及 ChromaDB 構建檢索增強型智能體
  • 模擬事故回應及回滾程序

總結與後續步驟

最低要求

  • 具備基礎 Python 編程知識
  • 擁有數據分析或機器學習(ML)工作流經驗
  • 熟悉醫療健康數據概念(例如 EHR、FHIR)

目標受眾

  • 醫療健康數據科學家與機器學習工程師
  • 臨床資訊學及數字健康產品團隊
  • 醫療健康領域的 IT 主管及創新管理人員

課程分類