多模態AI在醫療中的應用培訓

Agentic AI 是一種方法，使AI系統能夠在定義的約束條件下進行規劃、推理並採取工具使用行動，以實現目標。

本課程爲講師指導的培訓（線上或線下），面向中級水平的醫療和數據團隊，旨在爲臨牀和操作用例設計、評估和治理Agentic AI解決方案。

培訓結束後，學員將能夠：

• 解釋醫療環境中的Agentic AI概念和約束。
• 設計具有規劃、記憶和工具使用的安全代理工作流程。
• 構建基於臨牀文檔和知識庫的檢索增強代理。
• 通過護欄和人工干預控制來評估、監控和治理代理行爲。

課程形式

• 互動講座和引導討論。
• 在沙盒環境中進行指導實驗和代碼演練。
• 基於場景的安全、評估和治理練習。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們進行安排。

本課程爲講師指導的香港（線上或線下）培訓，面向希望實施AI驅動的醫療解決方案的中級到高級醫療專業人員和AI開發者。

通過本培訓，學員將能夠：

• 瞭解AI代理在醫療與診斷中的作用。
• 開發用於醫學圖像分析和預測診斷的AI模型。
• 將AI與電子健康記錄（EHR）和臨牀工作流程集成。
• 確保符合醫療法規和AI倫理實踐。

本課程爲講師主導的培訓，在香港（線上或線下）進行，面向希望將AI和AR/VR解決方案應用於醫療培訓、手術模擬和康復的中級醫療專業人員。

培訓結束後，學員將能夠：

• 理解AI在增強醫療AR/VR體驗中的作用。
• 使用AR/VR進行手術模擬和醫療培訓。
• 在患者康復和治療中應用AR/VR工具。
• 探討AI增強醫療工具中的倫理和隱私問題。

本次由讲师指导的香港（线上或线下）培训，面向中级数据科学家和医疗保健专业人士，旨在帮助他们利用Google Colab进行高级医疗保健应用的人工智能技术。

通过本次培训，参与者将能够：

• 使用Google Colab实现医疗保健领域的AI模型。
• 利用AI进行医疗数据的预测建模。
• 使用AI驱动的技术分析医学图像。
• 探讨基于AI的医疗解决方案中的伦理问题。

本次由講師指導的線下或線上培訓，面向中級醫療專業人員和數據科學家，旨在幫助他們理解並應用AI技術在醫療環境中。

培訓結束後，參與者將能夠：

• 識別AI可以解決的關鍵醫療挑戰。
• 分析AI對患者護理、安全和醫學研究的影響。
• 理解AI與醫療商業模式之間的關係。
• 將基本AI概念應用於醫療場景。
• 開發用於醫療數據分析的機器學習模型。

本課程由講師主導，提供香港（線上或線下）培訓，旨在幫助醫療健康專業人士和研究人員利用ChatGPT提升患者護理、簡化工作流程並改善醫療健康結果。

培訓結束後，參與者將能夠：

• 理解ChatGPT的基礎知識及其在醫療健康中的應用。
• 利用ChatGPT自動化醫療健康流程和互動。
• 使用ChatGPT爲患者提供準確的醫學信息和支持。
• 應用ChatGPT進行醫學研究和分析。

本次由講師指導的線下或線上培訓，面向高級AI開發者、機器學習工程師和研究人員，旨在幫助他們使用開源框架構建自定義多模態AI模型。

培訓結束後，參與者將能夠：

• 理解多模態學習和數據融合的基礎知識。
• 使用DeepSeek、OpenAI、Hugging Face和PyTorch實現多模態模型。
• 優化和微調模型，實現文本、圖像和音頻的集成。
• 在實際應用中部署多模態AI模型。

本課程由講師主導，提供香港（線上或線下）培訓，面向中級醫療專業人員、生物醫學工程師和人工智能開發者，旨在利用邊緣人工智能開發創新醫療解決方案。

培訓結束後，學員將能夠：

• 瞭解邊緣人工智能在醫療中的作用和優勢。
• 爲醫療應用開發和部署邊緣設備上的人工智能模型。
• 在可穿戴設備和診斷工具中實施邊緣人工智能解決方案。
• 使用邊緣人工智能設計和部署患者監護系統。
• 處理醫療人工智能應用中的倫理和法規問題。

本課程爲講師指導的香港（線上或線下）培訓，面向中高級醫療AI開發者和數據科學家，旨在幫助他們微調模型，用於臨牀診斷、疾病預測和患者結果預測，使用結構化和非結構化醫療數據。

培訓結束後，學員將能夠：

• 在包括電子病歷、影像和時間序列數據在內的醫療數據集上微調AI模型。
• 在醫療環境中應用遷移學習、領域適應和模型壓縮。
• 解決模型開發中的隱私、偏見和法規合規問題。
• 在實際醫療環境中部署和監控微調後的模型。

生成式AI是一種基於提示和數據創建新內容（如文本、圖像和推薦）的技術。

本課程爲講師指導的培訓（線上或線下），面向希望使用生成式AI和提示工程來提高醫療環境中效率、準確性和溝通能力的初級到中級醫療專業人員。

在本課程結束時，參與者將能夠：

• 理解生成式AI和提示工程的基礎知識。
• 應用AI工具簡化臨牀、行政和研究任務。
• 確保在醫療保健中符合倫理、安全且合規地使用AI。
• 優化提示以獲得一致且準確的結果。

課程形式

• 互動式講座與討論。
• 實踐練習與案例分析。
• AI工具的動手實驗。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

本課程爲講師指導的培訓（線上或線下），面向初級到中級醫療保健專業人員、數據分析師和政策制定者，旨在幫助他們理解和應用生成式AI在醫療保健領域的應用。

通過本培訓，學員將能夠：

• 解釋生成式AI在醫療保健中的原理和應用。
• 識別生成式AI在藥物發現和個性化醫療中的機會。
• 運用生成式AI技術進行醫學影像和診斷。
• 評估AI在醫療環境中的倫理影響。
• 制定將AI技術整合到醫療保健系統中的策略。

LangGraph 支持由 LLM 驅動的有狀態、多參與者工作流，並能精確控制執行路徑和狀態持久化。在醫療領域，這些功能對於合規性、互操作性以及構建符合醫療工作流的決策支持系統至關重要。

本次講師主導的培訓（線上或線下）面向中高級專業人員，旨在幫助他們設計、實施和管理基於 LangGraph 的醫療解決方案，同時應對監管、道德和操作挑戰。

培訓結束後，參與者將能夠：

• 設計符合合規性和可審計性的醫療專用 LangGraph 工作流。
• 將 LangGraph 應用與醫療本體和標準（FHIR、SNOMED CT、ICD）集成。
• 在敏感環境中應用可靠性、可追溯性和可解釋性的最佳實踐。
• 在醫療生產環境中部署、監控和驗證 LangGraph 應用。

課程形式

• 互動式講座與討論。
• 基於真實案例的實踐練習。
• 在即時實驗環境中進行實施實踐。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

Ollama是一個輕量級平臺，用於在本地運行大型語言模型。

本課程由講師主導，提供線上或線下培訓，面向中級醫療保健從業者和IT團隊，旨在幫助他們在臨牀和行政環境中部署、定製和實施基於Ollama的AI解決方案。

完成本培訓後，學員將能夠：

• 在醫療保健環境中安全地安裝和配置Ollama。
• 將本地大型語言模型集成到臨牀工作流程和行政流程中。
• 針對醫療保健特定的術語和任務定製模型。
• 應用隱私、安全和合規性的最佳實踐。

課程形式

• 互動式講座和討論。
• 實際操作演示和指導練習。
• 在沙盒醫療保健模擬環境中進行實際實施。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們進行安排。

本課程爲講師指導的培訓（線上或線下），面向中級醫療專業人員和AI開發者，旨在利用提示工程技術提升醫療工作流程、研究效率和患者結果。

課程結束後，學員將能夠：

• 瞭解醫療領域提示工程的基礎知識。
• 使用AI提示進行臨牀文檔和患者互動。
• 利用AI進行醫學研究和文獻綜述。
• 通過AI驅動的提示增強藥物發現和臨牀決策。
• 確保醫療AI符合法規和倫理標準。

TinyML是將機器學習集成到低功耗、資源有限的可穿戴和醫療設備中的技術。

本次由講師主導的培訓（線上或線下）面向中級從業者，旨在幫助他們爲醫療監控和診斷應用實施TinyML解決方案。

完成培訓後，參與者將能夠：

• 設計和部署用於即時健康數據處理的TinyML模型。
• 收集、預處理並解釋生物傳感器數據，以獲取AI驅動的洞察。
• 爲低功耗和內存受限的可穿戴設備優化模型。
• 評估TinyML驅動輸出的臨牀相關性、可靠性和安全性。

課程形式

• 講座結合即時演示和互動討論。
• 動手實踐可穿戴設備數據和TinyML框架。
• 在指導的實驗室環境中進行實施練習。

課程定製選項

• 如需根據特定醫療設備或法規工作流程定製培訓，請聯繫我們以定製課程。