Hubungi Kami

Kerangka Materi

Dasar-dasar AI Agen untuk Bidang Kesehatan

  • Perbedaan antara AI agen dengan aplikasi berbasis LLM konvensional
  • Batasan otonomi sistem, kebijakan yang diterapkan, serta pengawasan manusia
  • Karakteristik data kesehatan dan batasan penerapannya (EHR, FHIR, informasi kesehatan yang dilindungi)

Merancang Alur Kerja AI Agen

  • Mekanisme perencanaan, penyimpanan memori, penggunaan alat pendukung, serta siklus refleksi sistem
  • Teknik rekayasa perintah (prompt engineering), fungsi-fungsi khusus, serta mekanisme pemilihan aksi
  • Manajemen kondisi sistem dan pola pengaturan alur kerja secara efektif

Agen Berbasis Pencarian Informasi Medis

  • Proses memasukkan dan mengelompokkan data dari dokumen medis
  • Teknik pembuatan representasi vektor, penggunaan basis penyimpanan data, serta evaluasi relevansi informasi
  • Strategi penyesuaian respons sistem dan metode pengutipan sumber informasi

Integrasi Sistem Kesehatan dan Standard Operasional

  • Konsep dasar standar FHIR/SMART untuk konektivitas antarsistem medis
  • Penanganan data klinis terstruktur maupun tidak terstruktur secara efektif
  • Sistem penanganan peristiwa, API, serta pencatatan audit yang akurat

Keamanan, Manajemen Risiko, dan Pengaturan Sistem

  • Mekanisme pengendalian, simulasi serangan guna menguji kekuatan sistem, serta desain yang mampu mengatasi segala kerusakan potensial
  • Strategi penanganan informasi kesehatan yang dilindungi, cara menganonimkan data, serta pengaturan akses pengguna
  • Proses tinjauan berkala oleh manusia serta prosedur penanganan masalah kompleks melalui kolaborasi tim

Evaluasi dan Pengawasan Sistem AI Agen

  • Metode evaluasi offline, pembentukan kumpulan data acuan, serta penetapan indikator kinerja utama (KPI)
  • Teknik mendeteksi kemungkinan kesalahan interpretasi data dan mengevaluasi kebenaran informasi yang dihasilkan
  • Pengelolaan keterlihatan sistem, pencatatan aktivitas, serta pengendalian aspek biaya maupun waktu respons

Pola Penyebaran Sistem dan Praktikum Langsung

  • Pilihan model penyebaran sistem antara melalui API atau lingkungan internal (on-premise)
  • Proses pembangunan agen berbasis pencarian informasi dengan pemanfaatan perangkat lunak LangChain, FastAPI, dan ChromaDB
  • Simulasi penanganan kejadian tak terduga serta prosedur pemulihan sistem yang benar

Penutup dan Arah Pengembangan Selanjutnya

Persyaratan

  • Pemahaman dasar mengenai pemrograman Python
  • Pengalaman dalam menganalisis data atau mengerjakan alur kerja machine learning
  • Pengetahuan tentang konsep data kesehatan, seperti catatan medis elektronik dan standar FHIR

Target Peserta

  • Para ahli data kesehatan serta insinyur machine learning di bidang medis
  • Tim pengembangan produk informatika klinis dan kesehatan digital
  • Pemimpin teknologi informasi serta manajer inovasi dalam dunia kesehatan
 14 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait