Alejandro Zakzuk
Alejandro Zakzuk

Sobre mí

Soy Alejandro Zakzuk, médico con vocación clínica y visión tecnológica. Desde el inicio de mi carrera comprendí que la medicina, por sí sola, no basta para enfrentar los grandes retos de los sistemas de salud, como la saturación hospitalaria, la falta de interoperabilidad y el desperdicio de datos que podrían mejorar la atención y salvar vidas.

Mi respuesta a ese desafío ha sido especializarme en inteligencia artificial aplicada a la salud, uniendo la rigurosidad médica con el poder de la ciencia de datos. Esta doble mirada, tanto clínica como tecnológica, me permite transformar la complejidad de los flujos hospitalarios en modelos predictivos, plataformas digitales e iniciativas de interoperabilidad que generan valor real para pacientes, profesionales y gestores. He participado en proyectos que abarcan desde la predicción de la ocupación hospitalaria hasta el desarrollo de un sistema de gestión para residencias de mayores, basado en estándares internacionales.

Mi propósito es ser un puente entre la medicina y la tecnología. Aspiro a liderar proyectos que impulsen la innovación en salud digital con una visión estratégica, ética y centrada en el paciente. Creo en un futuro en el que la inteligencia artificial no sustituya al profesional, sino que amplifique su capacidad de decisión y haga posible una atención más humana, precisa y cercana.

Educación

Máster en Inteligencia Artificial Aplicada a la Sanidad

Centro Europeo de Másters y Posgrados — Madrid, España

  • Aplicación de modelos de Machine Learning, NLP y Deep Learning para la optimización de procesos clínicos y gestión hospitalaria.

Máster en Salud Digital/eHealth

Universidad Europea — Madrid, España

  • Transformación digital sanitaria e interoperabilidad clínica (HL7, FHIR, SNOMED CT) con enfoque en datos, gestión y sistemas inteligentes.

Médico

Universidad del Rosario — Bogotá, Colombia

  • Profundización en medicina familiar y preventiva · enfoque comunitario y promoción de la salud pública

Especialización en IA aplicada a la Sanidad

Stanford University Online — Bogotá, Colombia

  • Machine Learning y Deep Learning aplicados a datos clínicos · diagnóstico asistido · salud preventiva y ética en IA médica
Inteligencia Artificial Avanzada· Comunidad de Madrid (2025)
SNOMED CT Foundation Course· SNOMED International (2025)
Microsoft Certified: Azure Data Fundamentals (DP-900)· Microsoft (2025)
Prompt Engineering· Google (2025)
Asistente al Congreso Inforsalud 2025· SEIS (2025)
ACLS y BLS· American Heart Association (2024)

Habilidades

Clínica & Salud Digital
+ Medicina Familiar y Preventiva+ Atención integral y salud comunitaria+ Resolución de problemas clínicos+ Historia Clínica Electrónica (HCE)+ Protocolos clínicos y guías de práctica+ Seguridad del paciente+ Geriatría y cuidados del adulto mayor+ Salud digital y transformación sanitaria
Data & Machine Learning
+ Machine Learning+ Deep Learning+ NLP+ Visión por computador+ Preprocesamiento+ Validación cruzada+ Python+ NumPy+ Pandas+ Seaborn+ scikit-learn+ Jupyter/Colab+ Evaluación (AUC/ROC, F1, PR)+ SQL
Interoperabilidad & Estándares clínicos
+ HL7 v2+ FHIR R4+ SNOMED CT+ OMOP+ DICOM+ PACS+ HIS+ LIS+ RIS+ LOINC
Backend, MLOps & Cloud
+ Django+ DRF+ FastAPI (básico)+ RESTful APIs+ Autenticación (JWT/OAuth)+ PostgreSQL+ SQLite+ Migraciones y validación+ MLOps+ Cloud Computing+ Azure (DP-900)+ Docker+ Git/GitHub+ GitHub Actions (CI/CD)+ Streamlit+ Vercel/Render+ RGPD by design

Fortalezas

Traducción clínico-técnica

Puente entre necesidades médicas y soluciones técnicas, asegurando que los modelos respondan a problemas reales.

Diseño de pipelines ML

Desde la extracción de datos hasta el despliegue, con foco en reproducibilidad y escalabilidad.

Interoperabilidad (HL7/FHIR)

Nivel básico-intermedio en estándares para intercambio de información clínica.

Desarrollo web con Django/DRF

Creación de aplicaciones y APIs para gestión de datos clínicos.

Comunicación científica

Explicación clara de conceptos técnicos a audiencias clínicas y viceversa.

Cumplimiento y ética

Visión general de RGPD, protección de datos y consideraciones éticas en IA clínica.

Lenguas

EspañolNativo
InglésC1
FrancésB2

Valores

  • Rigor científico y metodológico
  • Impacto clínico medible
  • Protección de datos y privacidad
  • Documentación clara y reproducible
  • Colaboración interdisciplinar

¿Colaboramos?

Cuéntame tu reto clínico u operativo.