Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 35 Stunden
Schulungsübersicht
Grundlagen von LangGraph im Gesundheitswesen
- Auffrischung der LangGraph-Architektur und -Prinzipien
- Wichtige Anwendungsfälle im Gesundheitswesen: Patienten-Triage, medizinische Dokumentation, Compliance-Automatisierung
- Schranken und Chancen in regulierten Umgebungen
Healthcare-Datenstandards und Ontologien
- Einführung in HL7, FHIR, SNOMED CT und ICD
- Kartierung von Ontologien in LangGraph-Workflows
- Herausforderungen bei der Dateninteroperabilität und -integration
Workflow-Orchestrierung im Gesundheitswesen
- Entwurf patientenzentrierter vs. anbieterzentrierter Workflows
- Entscheidungsverzweigungen und adaptives Planen in klinischen Kontexten
- Bearbeitung des persistenten Zustands für longitudinale Patientenakten
Compliance, Sicherheit und Datenschutz
- HIPAA, DSGVO und regionale Gesundheitsvorschriften
- De-Identifizierung, Anonymisierung und sichere Protokollierung
- Prüfpfade und Rückverfolgbarkeit in der Graphen-Ausführung
Zuverlässigkeit und Erklärbarkeit
- Fehlerbehandlung, Wiederholungen und fehlertolerantes Design
- Human-in-the-loop-Entscheidungsunterstützung
- Erklärbarkeit und Transparenz für medizinische Workflows
Integration und Bereitstellung
- Anbindung von LangGraph an EHR/EMR-Systeme
- Containerisierung und Bereitstellung in Healthcare-IT-Umgebungen
- Überwachung, Protokollierung und SLA-Verwaltung
Fallstudien und fortgeschrittene Szenarien
- Automatisierte Workflows für medizinische Kodierung und Abrechnung
- KI-gestützte Diagnosesunterstützung und klinische Triage
- Compliance-Berichterstattung und Automatisierung der Dokumentation
Zusammenfassung und nächste Schritte
Voraussetzungen
- Mittleres Wissen in Python und der Entwicklung von LLM-Anwendungen
- Vorkenntnisse in Gesundheitsdatenstandards (z. B. HL7, FHIR) sind von Vorteil
- Vertrautheit mit den Grundlagen von LangChain oder LangGraph
Zielgruppe
- Domain-Technologen
- Lösungsarchitekten
- Berater, die LLM-Agenten in regulierten Branchen entwickeln
Erfahrungsberichte (1)
Umfassende Informationen zum Hintergrund; wie man eine Prompt-Anfrage formuliert.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maschinelle Übersetzung