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