聯繫我們

課程簡介

醫療領域自主型AI基礎

  • 自主型與僅使用工具的LLM應用對比
  • 自主性邊界、政策及人類監督機制
  • 醫療數據環境和約束條件(EHR、FHIR、PHI)

設計代理工作流程

  • 規劃、記憶、工具使用和反思循環
  • 提示工程、函數/工具以及動作選擇
  • 狀態管理和編排模式

檢索增強代理

  • 醫療文檔的 ingestion 和分塊處理
  • 嵌入向量、向量存儲庫和相關性評估
  • 回應接地策略和引用方法

醫療整合與互操作性

  • 代理連接的FHIR/SMART基礎知識
  • 處理結構化和非結構化臨床數據
  • 事件機制、API和審計軌跡

安全、風險與治理

  • 防護措施、紅隊測試和故障安全設計
  • PHI處理、去識別化和訪問控制
  • 人機協作審查和升級路徑

評估和監控

  • 離線評估、黃金集合成效標準以及KPI定義
  • 幻覺檢測和事實準確性驗證
  • 可觀察性、日誌記錄以及成本/延遲管理

部署模式與實作實驗室

  • 基於API與本地模型選擇對比
  • 使用LangChain、FastAPI和ChromaDB構建檢索增強代理
  • 模擬事件響應和回滾程序

總結與下一步行動

最低要求

  • 理解基本的Python編程知識
  • 具備數據分析或機器學習工作流的經驗
  • 熟悉醫療數據概念(例如EHR、FHIR)

受眾

  • 醫療領域的數據科學家和ML工程師
  • 臨床信息學和數字健康產品團隊
  • 醫療領域的IT領導者和創新管理員
 14 小時

課程分類