Aram Zakzuk

Médico · Clinical AI Specialist · HealthTech

Criterio clínico real combinado con capacidad técnica en Machine Learning, NLP clínico e interoperabilidad sanitaria (FHIR · HL7 · SNOMED-CT). Diseño, valido e implemento soluciones de Clinical AI y Healthcare Data Analytics que funcionan en entornos clínicos reales.

HL7/FHIRMLOpsMedicina PreventivaCloud y datos clínicos

Proyectos destacados

Casos reales. De la pregunta clínica a la solución técnica.

Detección de patología metabólica mediante ML (TFM)
Machine LearningBig DataPython

Detección de patología metabólica mediante ML (TFM)

AUC-ROC de 0.942 en predicción de riesgo metabólico usando 253k+ registros del CDC e interpretabilidad SHAP.

Clinote — Clinical NLP Platform
TypeScriptNext.js

Clinote — Clinical NLP Platform

SaaS NLP que facilita reducir el burnout clínico extrayendo entidades biomédicas estructuradas del texto libre.

GeriCare — ERP Sanitario Interoperable
PythonDjango

GeriCare — ERP Sanitario Interoperable

Infraestructura Django HL7/FHIR diseñada para mitigar errores cruzados de medicación geriátrica.

Un perfil clínico con visión tecnológica

Ejerzo la medicina y construyo software. Trabajo en la intersección exacta para traducir los registros clínicos en sistemas de decisión. Reduzco la latencia, el coste y el error humano.

+10

Modelos diseñados para problemas clínicos reales

HL7/FHIR

Integración aplicada en ERP hospitalario

+5

Aportes en investigación médica e IA

El valor diferencial

Criterio clínico para validar IA

Construyo arquitectura respaldada por precisión estadística y lógica médica irrefutable tras 6 años de práctica real.

Pipeline técnico completo

Desde la extracción de datos hasta el modelo desplegado: Python, ML, NLP, XAI/SHAP.

Interoperabilidad en producción

Implemento estándares HL7 y FHIR conectando hardware y software bajo presiones hospitalarias y operativas.

Marco regulatorio europeo

RGPD, EU AI Act, EHDS. Aplicados no como checklist legal, sino como restricciones de diseño desde el día 1.

Publicaciones y divulgación

Predicción de ocupación de camas mediante IA
Artículo · LinkedIn · 2025
IAPrediccion
Ver →
NLP en la extracción de antecedentes cardiovasculares
Artículo · Blog · 2025
NLPCardio
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

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

La integración de sistemas clínicos suele fracasar en la traducción. Alejandro elimina la fricción. Traduce la lógica médica a código funcional sin semanas de reuniones perdidas. Es la pieza exacta que conecta el hospital con el desarrollo informático.

Javier RestrepoTech Lead en Health Startup

Alejandro posee una mentalidad clínica y técnica indivisible. Su labor diaria no se limita al diagnóstico; optimiza el flujo de trabajo del servicio. Construye herramientas técnicas para que los médicos dejemos de pelear con las bases de datos y volvamos a los pacientes.

Dr. Roberto MendozaJefe de Servicio

Recurso Gratuito para CTOs y Directores Médicos

Checklist de Despliegue Seguro de IA en Entornos Clínicos

Asegurar la viabilidad técnica y legal de un modelo en un hospital no es opcional. Descarga mi guía de un folio con el protocolo que utilizo para validar:

  • Interoperabilidad obligatoria (HL7/FHIR v4)
  • Restricciones clave del EU AI Act & GDPR Sanitario
  • Defensibilidad estadística y médica del modelo (XAI)

¿A dónde te la envío?

Únete a otros líderes técnicos de HealthTech. Cero spam, solo ingeniería útil.

¿Hablamos de una oportunidad?