Zkuste nás kontaktovat

Návrh Školení

Základy agentické AI pro zdravotnictví

  • Agentické systémy versus aplikace založené pouze na LLM s využitím nástrojů
  • Hranice autonomie, pravidla a role lidského dohledu
  • Specifika zdravotnických dat a jejich omezení (EHR, FHIR, citlivé informace o pacientech)

Návrh pracovních postupů agentů

  • Plánování, ukládání informací do paměti, využívání nástrojů a reflexe rozhodnutí
  • Práce s prompty, funkcemi či nástroji a výběrem akcí
  • Správa stavů systému a vhodné modely orchestrace

Agenti posilovaní vyhledáváním

  • Způsoby ukládání a rozdělování lékařských dokumentů na menší části
  • Práce s vektorovými reprezentacemi, databázemi vektorů a hodnocením relevantnosti informací
  • Jak zajistit správné zakotvení odpovědí v reálných datech a jak citovat jejich zdroje

Integrace s systémy zdravotnictví a interoperabilita

  • Základy standardů FHIR a SMART pro propojení agentů se zdravotnickými systémy
  • Práce s strukturovanými i nestrukturovanými klinickými daty
  • Obsluha událostí, API rozhraní a vedení auditních záznamů

Bezpečnost, rizika a správa agentů

  • Ochranné mechanismy, testování v režimu „red team“ a navrhování systémů odolných k chybám
  • Postupy pro zpracování citlivých informací o pacientech, jejich anonymizaci a ochrana přístupu k nim
  • Procesy lidské kontroly výsledků práce agentů a mechanismy eskalace problémů

Hodnocení a sledování činnosti agentů

  • Metody offline hodnocení, vytváření referenčních datových sad a stanovení klíčových ukazatelů výkonnosti
  • Detekce nepravdivých či mylných tvrzení agentů a ověřování jejich správnosti
  • Monitorování průběhu provozu, logování událostí a řízení nákladů či odezvy systému

Postupy nasazení agentů a praktická cvičení

  • Volba mezi nasazením přes API či v rámci lokálního prostředí
  • Vytvoření agenta posilovaného vyhledáváním s využitím nástrojů LangChain, FastAPI a ChromaDB
  • Simulace reakcí na neočekávané situace a postupy navracení systému do stabilního stavu

Shrnutí a další kroky

Požadavky

  • Základní znalosti programování v Pythonu
  • Praxe s analýzou dat nebo prací s modely strojového učení
  • Seznámenost s koncepty zdravotnických dat (např. EHR, FHIR)

Cílová skupina

  • Datoví vědci a inženýři strojového učení pracující ve zdravotnictví
  • Týmy specializované na klinickou informatiku a vývoj digitálních zdravotnických produktů
  • IT vedoucí pracovníci a manažeři inovací ve zdravotnictví
 14 Hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie