聯繫我們
 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

人數


每位參與者的報價

即將到來的課程

課程分類