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 mediante ML

Detección temprana de condición metabólica mediante ML

Modelo de clasificación clínica con AUC-ROC de 0.942. Incluye análisis XAI/SHAP e integración del marco regulatorio europeo (RGPD, EU AI Act, EHDS).

Machine LearningRandom ForestXAI/SHAPEU AI ActPythonScikit-learn
Ver detalles
Clasificación de riesgo metabólico CDC BRFSS

Clasificación de riesgo metabólico CDC BRFSS

CDSS interactivo basado en Big Data (253k registros) para la clasificación de perfiles de riesgo diabético.

Big DataCDCPythonHugging Face
Ver detalles
Predicción de ocupación hospitalaria mediante IA

Predicción de ocupación hospitalaria mediante IA

Diseño de sistema predictivo para gestión de camas hospitalarias. Arquitectura del modelo, variables clínicas y metodología propuesta. Máster en IA Aplicada a Sanidad (CEMP, 2025).

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

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

¿Hablamos de una oportunidad?