Neem contact met ons op

Cursusaanbod

Grondslagen van Agentic AI voor de gezondheidszorg

  • Agentic AI versus traditionele LLM-implementaties die alleen hulpmiddelen gebruiken
  • Grenzen van autonomie, beleidsvoorschriften en menselijke toezichtmechanismen
  • De context van medische data en relevante beperkingen (EHR, FHIR, PHI)

Ontwerp van Agent Workflows

  • Planningsprocessen, geheugenbeheer, gebruik van hulpmiddelen en reflectief gedrag
  • Prompt-engineering, het definiëren van functies/hulpmiddelen en besluitvorming bij actiekeuzes
  • Beheer van systeemtoestanden en coördinatiepatronen tussen onderdelen

Retrieval-Augmented Agents

  • Het verwerken en segmenteren van medische documentatie
  • Embeddings, vectordatabases en de evaluatie van relevantie in gegevens
  • Technieken voor het verankeren van antwoorden aan betrouwbare bronnen en het toevoegen van citaten

Integratie met Gezondheidsinformatiesystemen

  • Inleiding tot FHIR en SMART voor eenvoudige connectiviteit van agents
  • Verwerking zowel gestructureerde als ongestructureerde klinische data
  • Werken met gebeurtenissen, API’s en audittrails om traceerbaarheid te waarborgen

Veiligheid, Risico's en Governance

  • Implementatie van veiligheidsmaatregelen, red-teaming en ontwerpprincipes voor fouttolerantie
  • Behandeling van PHI-gegevens, de-identificatie en toegangsbeperkingen binnen systemen
  • Rol van menselijke beoordelaars in het reviewproces en procedures voor escalatie bij afwijkingen

Evaluatie en Monitoring

  • Offline-evaluaties, het opstellen van testverzamelingen en het definiëren van KPI’s
  • Methode voor detectie van hallucinaties en controle op feitelijke juistheid van output
  • Observability-tools, logging-technieken en beheer van kosten en responstijd

Implementatiepatronen en Praktische Oefeningen

  • Vergelijking tussen gebruik van API-gebaseerde modellen versus on-premise implementaties
  • Het zelf bouwen van een Retrieval-Augmented Agent met behulp van LangChain, FastAPI en ChromaDB
  • Simulatieoefeningen voor incidentreactie en het uitvoeren van rollback-procedures na fouten

Samenvatting en vervolgstappen

Vereisten

  • Basiskennis van Python-programmeren
  • Ervaring met data-analyse of machine learning-workflows
  • Kennis van relevante concepten uit de gezondheidszorg (zoals EHR en FHIR)

Doelgroep

  • Datawetenschappers en machine learning-engineers in de gezondheidszorg
  • Teams actief op het gebied van klinische informatica en digitale gezondheidsoplossingen
  • IT-leiders en innovatiemanagers binnen de zorgsector
 14 Uren

Aantal deelnemers


Prijs per deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën