Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Fondements de l'IA agentique pour la santé
- Applications d'IA agentique par rapport aux applications LLM basées uniquement sur des outils
- Frontières de l'autonomie, politiques et supervision humaine
- Paysage des données de santé et contraintes (DSE, FHIR, PII)
Conception des flux de travail d'agents
- Boucles de planification, mémoire, utilisation d'outils et réflexion
- Ingénierie des prompts, fonctions/outils et sélection d'actions
- Gestion d'état et schémas d'orchestration
Agents enrichis par récupération (RAG)
- Intégration et segmentation des documents médicaux
- Embeddings, magasins vectoriels et évaluation de la pertinence
- Ancrage des réponses et stratégies de citation
Intégrations et interopérabilité en santé
- Bases de FHIR/SMART pour la connectivité des agents
- Travail avec des données cliniques structurées et non structurées
- Événements, API et journaux d'audit
Sécurité, risque et gouvernance
- Garde-fous, red-teaming et conception tolérante aux pannes
- Gestion des PII, anonymisation et contrôles d'accès
- Revue avec participation humaine et voies d'escalade
Évaluation et surveillance
- Évaluations hors ligne, ensembles dorés et définition des KPI
- Détection des hallucinations et vérifications de facticité
- Observabilité, journalisation et gestion des coûts/latence
Schémas de déploiement et atelier pratique
- Choix entre modèles basés sur API et locaux (on-prem)
- Construction d'un agent enrichi par récupération avec LangChain, FastAPI et ChromaDB
- Simulation de réponse à incident et procédures de retour arrière (rollback)
Résumé et prochaines étapes
Pré requis
- Une compréhension des bases de la programmation Python
- De l'expérience avec l'analyse de données ou les flux de travail ML
- Une familiarité avec les concepts de données de santé (p. ex., DSE, FHIR)
Public cible
- Scientifiques des données de santé et ingénieurs ML
- Équipes d'informatique clinique et de produits de santé numérique
- Chefs de file TI et gestionnaires de l'innovation dans le domaine de la santé