Alejandro Zakzuk

De la bata al código. IA aplicada a la Sanidad.

Médico e innovador en salud digital. Transformo datos clínicos en decisiones que mejoran la atención, optimizan procesos hospitalarios y conectan la clínica con la tecnología.

HL7/FHIRMLOpsMedicina PreventivaCloud y datos clínicos

Un perfil clínico con visión tecnológica

Soy médico especializado en Inteligencia Artificial aplicada a la sanidad. Mi experiencia integra el conocimiento clínico con la analítica avanzada de datos para diseñar soluciones que generan valor para pacientes, profesionales, cuidadores y entornos de salud digital.

+10

Modelos diseñados para problemas clínicos reales

HL7/FHIR

Integración aplicada en ERP

+5

Aportes en IA clínica

-38%

Menos tiempo de registro en MVP real

¿Por qué colaborar conmigo?

Del dato al impacto clínico

Transformo información médica en soluciones accionables que reducen tiempos, errores y costes.

Interoperabilidad real, no teórica

Experiencia aplicando HL7/FHIR en entornos hospitalarios y residenciales, con métricas de mejora en eficiencia.

Modelos validados con rigor médico

Prototipos de IA con métricas claras (AUC, sensibilidad, especificidad) para decisiones de confianza.

Proyectos destacados

Casos reales con problema → solución → impacto.

ERP Sanitario

ERP Sanitario

Plataforma para centros de salud: pacientes, medicación, fisioterapia, evaluaciones y más.

HL7/FHIRDjangoDRFPostgreSQLBootstrap
Ver detalles
Clasificación de riesgo cardiovascular

Clasificación de riesgo cardiovascular

Predicción a 10 años de riesgo para enfermedad coronaria usando dataset Framingham.

Scikit-learnPandasModelado clínico
Ver detalles
Clasificación de cáncer de mama

Clasificación de cáncer de mama

Proyecto con regresión logística en dataset de cáncer de mama.

Logistic RegressionPythonML Ops básico
Ver detalles

Servicios

De idea a resultado medible.

Consultoría IA en Sanidad

Evaluación de madurez, roadmap y pilotos.

  • Assessment
  • Plan de datos
  • Prototipo
  • Informe ejecutivo

Duración: 2–6 semanas · €€

Integración HL7/FHIR

Modelado de recursos, mapeo y APIs.

  • Modelo FHIR
  • Endpoints
  • Validación
  • Monitorización

Duración: 3–8 semanas · €€€

Prototipado ML clínico

Entrenamiento, validación y despliegue inicial.

  • Dataset curado
  • Modelo
  • Métricas
  • Demo

Duración: 3–6 semanas · €€

Publicaciones y divulgación

Perceptrón y redes profundas (explicado sencillo)
Video · MedIA · 2025
DLEducación
Ver →
Predicción de ocupación de camas mediante IA
Artículo · LinkedIn · 2025
IAPrediccion
Ver →
PCA e ICA para señales biomédicas
Video · MedIA · 2025
PCAICA
Ver →

Testimonios

Tu proyecto sobre predicción de ocupación de camas hospitalarias está entre los más completos, maduros y rigurosos que he leído. Destaca por su extraordinaria capacidad de análisis, tanto en el planteamiento del problema como en la profundidad metodológica. Has mostrado un conocimiento técnico detallado de los modelos de IA, sin descuidar la validación, el despliegue realista ni los aspectos éticos y legales.

Sara LopezEspecialista IA, CEMP

Trabajar con Alejandro en proyectos de machine learning fue una experiencia enriquecedora. Tiene la rara habilidad de unir el rigor clínico con la creatividad tecnológica, siempre orientado a resultados prácticos.

Compañero de MásterCEMP

Durante su año de internado, Alejandro demostró una capacidad analítica excepcional para priorizar y resolver problemas en entornos de alta demanda asistencial. Destacaba por su rapidez para interpretar datos clínicos y plantear soluciones prácticas, manteniendo siempre la calma y el criterio en situaciones de presión. Su forma de integrar el razonamiento clínico con una visión estructurada de los casos marcó una diferencia en el equipo.

Dra. Margarita OlayaMedico Internista

¿Colaboramos?

Cuéntame tu reto clínico o de datos.