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 Architektur und Prinzipien von LangGraph
- Wichtige Anwendungsfälle im Gesundheitswesen: Patienten-Triage, medizinische Dokumentation, Automatisierung der Compliance
- Einschränkungen 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
- Gestaltung von patientenzentrierten vs. anbieterzentrierten Workflows
- Entscheidungsverzweigungen und adaptive Planung im klinischen Kontext
- Behandlung persistenter Zustände für longitudinale Patientenakten
Compliance, Sicherheit und Datenschutz
- HIPAA, DSGVO und regionale Gesundheitsvorschriften
- De-Identifizierung, Anonymisierung und sicheres Logging
- Audit-Trails und Nachverfolgbarkeit bei der Graph-Ausführung
Zuverlässigkeit und Erklärbarkeit
- Fehlerbehandlung, Wiederholungen und fehlertolerantes Design
- Mensch-im-Schleife-Entscheidungsunterstützung
- Erklärbarkeit und Transparenz für medizinische Workflows
Integration und Deployment
- Verbindung von LangGraph mit EHR/EMR-Systemen
- Containerisierung und Deployment in IT-Umgebungen des Gesundheitswesens
- Überwachung, Logging und SLA-Management
Fallstudien und erweiterte Szenarien
- Automatisierte Workflows für medizinische Kodierung und Abrechnung
- AI-gestützte Diagnoseunterstützung und klinische Triage
- Compliance-Berichterstattung und Automatisierung der Dokumentation
Zusammenfassung und nächste Schritte
Voraussetzungen
- Mittlere Kenntnisse in Python und der Entwicklung von LLM-Anwendungen
- Kenntnisse von Gesundheitsdatenstandards (z. B. HL7, FHIR) sind von Vorteil
- Grundlegende Vertrautheit mit LangChain oder LangGraph
Zielgruppe
- Domänentechnologen
- Architekten für Lösungen
- 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