Contattataci

Struttura del corso

Fondamenti dell’intelligenza artificiale agente applicata alla sanità

  • Confronto tra sistemi agenti e applicazioni basate esclusivamente su LLM
  • Limiti di autonomia, politiche operative e supervisione umana
  • Ambiente dei dati sanitari e relative restrizioni (cartelle cliniche elettroniche, standard FHIR, informazioni sanitarie protette)

Progettazione dei flussi di lavoro degli agenti

  • Elementi chiave: pianificazione, gestione della memoria, utilizzo degli strumenti e cicli di riflessione
  • Tecniche di progettazione dei prompt, definizione delle funzioni/strumenti e selezione delle azioni da compiere
  • Gestione dello stato del sistema e modelli di orchestrazione degli agenti

Agenti potenziati dalla ricerca di informazioni

  • Inserimento ed elaborazione dei documenti medici
  • Utilizzo degli embedding, archiviazione vettoriale e valutazione della rilevanza delle informazioni recuperate
  • Modalità per ancorare le risposte alle fonti di informazione e tecniche di citazione

Integrazione con i sistemi sanitari e interoperabilità

  • Nozioni base su FHIR/SMART per facilitare la connettività degli agenti
  • Gestione sia di dati strutturati che non strutturati provenienti dal settore sanitario
  • Meccanismi di eventazione, API e tracciamento delle attività

Sicurezza, rischi e governance

  • Controlli di sicurezza, test di resistenza ai rischi e progettazione orientata alla prevenzione degli errori
  • Gestione delle informazioni sanitarie protette: anonimizzazione e controllo dell’accesso
  • Processi di revisione a cura del personale umano e procedure per la gestione delle anomalie

Valutazione e monitoraggio degli agenti

  • Metodologie di valutazione offline, definizione di set di riferimento e indicatori chiave di prestazione
  • Rilevamento delle informazioni inventate o errate e verifica della correttezza fattuale
  • Monitoraggio dell’osservabilità, registrazione dei dati e gestione dei costi nonché dei tempi di risposta

Modelli di implementazione e laboratori pratici

  • Confronto tra soluzioni basate su API e modelli da implementare localmente
  • Costruzione di un agente potenziato dalla ricerca tramite LangChain, FastAPI e ChromaDB
  • Simulazione di risposte a incidenti critici e procedure per il ripristino dello stato precedente

Conclusioni e prossimi passi

Requisiti

  • Conoscenze di base della programmazione in Python
  • Esperienza nell’analisi dei dati o nello sviluppo di modelli di machine learning
  • Familiarità con i concetti fondamentali legati ai dati sanitari (es. cartelle cliniche elettroniche, standard FHIR)

Destinatari

  • Data scientist e ingegneri specializzati in machine learning nel settore sanitario
  • Professionisti di informatica clinica e team impegnati nello sviluppo di prodotti digitali per la salute
  • Responsabili IT e manager dell’innovazione operanti nel campo sanitario
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative