연락처 정보

코스 개요

의료 분야를 위한 에이전틱 AI 기초

  • 도구만 활용하는 LLM 애플리케이션과 에이전틱 AI의 차이점
  • 자율성의 범위, 정책 및 인간의 감독 기능
  • 의료 데이터 환경 및 제약 조건(EHR, FHIR, PHI 등)

에이전트 워크플로우 설계

  • 계획 수립, 메모리 활용, 도구 사용 및 자기 반성 기반 순환 구조
  • 프롬프트 엔지니어링, 기능/도구 정의 및 행동 선택 방식
  • 상태 관리 전략과 워크플로우 조정 패턴

검색 기능이 강화된 AI 에이전트

  • 의료 문서 수집 및 구조화 방법
  • 임베딩 생성, 벡터 저장소 활용법 및 관련성 평가 기준
  • 답변의 신뢰도를 높이기 위한 출처 인용 전략

의료 시스템 통합 및 상호운용성

  • 에이전트 연동을 위한 FHIR/SMART 기초 지식
  • 구조화된 및 비구조화된 임상 데이터 활용법
  • 이벤트 처리, API 연동 및 감사 추적 메커니즘

안전성, 위험 관리 및 거버넌스

  • 안전장치 설계, 리드팀 테스트 수행법 및 장애 발생 시 복구 기법
  • PHI 보호를 위한 익명화 기술 및 접근 제어 방안
  • 인간의 개입을 통한 검토 절차 및 문제 대응 경로 설정

평가 및 모니터링 기법

  • 오프라인 평가, 표준 참조 자료 활용 및 핵심 성과 지표 설정 방법
  • 허위 정보 발생 여부 탐지와 사실 확인 절차
  • 작동 상황 관측, 로그 기록 및 비용·응답 속도 관리 전략

배포 전략 및 실습 세션

  • API 기반 서비스와 온프레미스 모델 선택의 차이점
  • LangChain, FastAPI 및 ChromaDB를 활용해 검색 기능이 강화된 에이전트 구축 실습
  • 사고 발생 시 대응 방안 및 시스템 롤백 절차 모의 연습

요약 및 향후 나아갈 방향

요건

  • 기본적인 Python 프로그래밍 이해도가 필요합니다.
  • 데이터 분석 또는 머신러닝 워크플로우에 대한 경험이 있으면 좋습니다.
  • 의료 데이터 관련 개념(예: 전자건강기록, FHIR)에 익숙해야 합니다.

대상 수강생

  • 의료 데이터 과학자 및 머신러닝 엔지니어
  • 임상 정보학 및 디지털 헬스 제품 개발 팀
  • 의료 분야의 IT 리더와 혁신 관리자
 14 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리