Alejandro Zakzuk

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

Médico con especialización en IA aplicada a salud. Combino criterio clínico real con capacidad técnica en ML, NLP e interoperabilidad (FHIR/HL7) para trabajar en la intersección entre medicina y 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

¿Por qué trabajar 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.

Detección temprana de condición metabólica (TFM CEMP)

Detección temprana de condición metabólica (TFM CEMP)

Desarrollo de un modelo predictivo para la identificación precoz de alteraciones metabólicas.

PythonModelado clínicoSalud PoblacionalTFM
Ver detalles
Clasificación de riesgo metabólico CDC BRFSS

Clasificación de riesgo metabólico CDC BRFSS

Análisis masivo de 253.680 registros del CDC para clasificar perfiles de riesgo metabólico.

Big DataCDCPythonMachine Learning
Ver detalles
Predicción de ocupación hospitalaria mediante IA

Predicción de ocupación hospitalaria mediante IA

Modelo de capacidad hospitalaria para optimizar el flujo de pacientes y la gestión de recursos.

Predictive AnalyticsGestión HospitalariaPython
Ver detalles

Lo que aporto

Valor diferencial en la intersección de salud y tecnología.

Criterio clínico para validar IA

Más de 6 años de práctica hospitalaria real. Entiendo el problema antes de diseñar la solución.

Pipeline técnico completo

Desde la pregunta clínica hasta el modelo desplegado: Python, ML, NLP, XAI/SHAP, FHIR.

Marco regulatorio europeo

RGPD, EU AI Act, EHDS. No como checklist, sino como parte del diseño desde el inicio.

Disponibilidad inmediata en Madrid

Buscando incorporación a equipo en consultoría, pharma, healthtech o innovación hospitalaria.

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

¿Quieres hablar sobre una oportunidad?