聯繫我們
 課程時長 14 時間:

課程簡介

醫療代理式 AI 基礎

  • 代理式與僅具工具使用的 LLM 應用之比較
  • 自主性邊界、政策規範與人類監督
  • 醫療數據現狀與限制(EHR、FHIR、PHI)

代理工作流設計

  • 規劃、記憶、工具使用與反思循環
  • 提示工程、函數/工具配置及動作選擇
  • 狀態管理與編排模式

檢索增強型代理

  • 醫療文件的導入與分塊處理
  • 嵌入向量、向量資料庫及相關性評估
  • 回應接地(Grounding)與引用策略

醫療整合與互操作性

  • 代理連接所需的 FHIR/SMART 基礎知識
  • 處理結構化與非結構化臨床數據
  • 事件驅動、API 與稽核軌跡

安全性、風險與治理

  • 護欄機制、紅隊測試與故障安全設計
  • PHI 處理、去識別化與存取控管
  • 人類介入審查與升級路徑

評估與監控

  • 離線評估、黃金數據集(Golden Sets)及 KPI 定義
  • 幻覺檢測與事實核查
  • 可觀測性、日誌記錄及成本/延遲管理

部署模式與動手實作實驗室

  • API 基礎與本地部署模型之選擇
  • 使用 LangChain、FastAPI 及 ChromaDB 建構檢索增強型代理
  • 模擬事故回應與回滾程序

總結與後續步驟

最低要求

  • 具備基本的 Python 程式設計知識
  • 擁有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)

目標受眾

  • 醫療數據科學家與機器學習工程師
  • 臨床資訊學與數位健康產品團隊
  • 醫療產業的 IT 領導者與創新管理者

即將到來的課程

課程分類