感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
醫療領域代理式 AI 基礎
- 代理式 AI 與僅使用工具的 LLM 應用之間的區別
- 自主性邊界、政策與人工監督
- 醫療數據環境與約束條件(EHR、FHIR、PHI)
設計代理工作流
- 規劃、記憶、工具使用及反思迴路
- 提示工程、函式/工具及動作選擇
- 狀態管理與編排模式
檢索增強代理
- 醫療文件摄取與切分
- 嵌入向量、向量儲存庫及相關性評估
- 回應接地(Grounding)與引用策略
醫療整合與互操作性
- FHIR/SMART 基礎知識,用於代理連接性
- 處理結構化及非結構化臨床數據
- 事件處理、API 與稽核軌跡
安全性、風險與治理
- 護欄機制、紅隊測試及故障安全設計
- PHI 處理、去識別化及存取控制
- 人工介入審查與升級處理路徑
評估與監控
- 離線評估、黃金數據集及 KPI 定義
- 幻覺偵測與事實性檢查
- 可觀測性、日誌記錄及成本/延遲管理
部署模式與動手實驗
- 基於 API 與本地部署模型的選擇
- 使用 LangChain、FastAPI 和 ChromaDB 建立檢索增強代理
- 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 程式設計知識
- 擁有數據分析或機器學習工作流經驗
- 熟悉醫療數據概念(例如 EHR、FHIR)
受眾對象
- 醫療數據科學家與機器學習工程師
- 臨床資訊學及數位健康產品團隊
- 醫療領域的 IT 負責人及創新經理