Especializado en los datos y sistemas que permiten llevar IA clínica a producción

Ayudo a organizaciones sanitarias a identificar qué dependencias de datos, aplicaciones, integraciones e infraestructura bloquean sus iniciativas de IA, y a definir la arquitectura para resolverlas.

Consultor de Clinical Data & AI Readiness

Sobre mí

Formado como ingeniero biomédico y especializado en arquitectura de datos y sistemas analíticos, combino visión del dominio clínico con experiencia técnica en diseño de plataformas de datos.

He trabajado con organizaciones del sector salud como Osakidetza, Roche, AstraZeneca, Evinova o Boehringer Ingelheim, diseñando sistemas de datos que soportan entornos regulados, interoperabilidad clínica y analítica avanzada.

Mi enfoque se basa en identificar los riesgos arquitectónicos antes de que se conviertan en cuellos de botella técnicos o regulatorios, y diseñar plataformas preparadas para escalar producto, analítica e IA.

Trabajo en la intersección entre arquitectura de datos, aplicaciones, integraciones, cloud y preparación para operar IA clínica.

Trabajo principalmente con CTOs, CIOs y responsables de Data e IA que necesitan entender por qué una iniciativa clínica no llega a producción y qué decisiones arquitectónicas deben priorizar.

¿Quieres evaluar la arquitectura de datos de tu organización? → Mándame un correo

El problema

Qué resuelvo

Base de datos que no escala. Organizaciones que construyeron su plataforma de datos sin pensar en la escalabilidad. Cuando los proyectos crecen, cada nueva integración o funcionalidad se vuelve costosa y lenta.
Integraciones clínicas ad hoc. Sin una estrategia de interoperabilidad clara, cada integración con un hospital o sistema clínico requiere desarrollo a medida. El coste y el tiempo se disparan.
Datos que no están listos para IA. Datos operativos y analíticos mezclados, modelos inconsistentes y pipelines improvisados bloquean la implementación de analítica avanzada e IA.
Riesgos técnicos no identificados. Problemas de arquitectura que no son visibles hasta que impactan en los proyectos: deuda técnica acumulada, bottlenecks de escalado o riesgos regulatorios.

El proceso

Cómo trabajo

01
Discovery. Entender la organización, la arquitectura actual y los objetivos de escalado.
02
Evaluación técnica. Análisis de arquitectura de datos, modelo de datos clínico, pipelines e integraciones con sistemas externos.
03
Diseño del roadmap. Propuesta de evolución de la plataforma de datos con recomendaciones priorizadas y fases de implementación.
04
Implementación (opcional). Si el equipo lo necesita, puedo ayudar a implementar la arquitectura propuesta en un engagement posterior.

Clientes

Para quién trabajo

Trabajo con organizaciones sanitarias que:

Tienen proyectos de datos, IA o analítica que no avanzan como deberían
Necesitan escalar integraciones hospitalarias sin que cada una sea un proyecto a medida
Intentan construir una base de datos clínicos reutilizable — o necesitan que las fuentes externas que consumen tengan semántica suficiente para ser útiles
Han visto fallar un proyecto de IA clínica, de RWE, o de interoperabilidad por la calidad o coherencia de los datos

Grupos hospitalarios privadosServicios regionales de saludPharma mediana-grandeHealthTechs con escala real (50+ personas)Plataformas de real world data

Especialización

Áreas de expertise

Arquitectura de datos

Diseño de plataformas de datos escalables, separación operación/analítica, pipelines.

Interoperabilidad clínica

Integración con hospitales y sistemas clínicos, estándares FHIR y OMOP.

Plataformas analíticas

Habilitación de analítica avanzada y visualización en entornos de datos clínicos.

Preparación para IA

Preparación de la plataforma de datos para implementar modelos de aprendizaje automático e IA.

Experiencia aplicada

Un caso detrás de los logotipos

Parte del trabajo está sujeto a confidencialidad. Este caso está anonimizado y describe alcance, papel y entregables sin atribuir resultados que no puedan demostrarse.

Servicio regional de salud · Caso anonimizado

Problema: Más de 3.000 tablas y múltiples fuentes clínicas sin una capa analítica común, lo que dificultaba construir datasets reutilizables y mantener una visión coherente del dato.
Mi papel: Arquitectura de datos: análisis de la situación existente y definición de la arquitectura objetivo y su evolución.
Trabajo realizado: Diseño de una arquitectura Lakehouse, estrategia de capas y modelo de consumo para separar la ingesta, la transformación y el uso analítico de los datos.
Resultado: Roadmap priorizado y base arquitectónica para desarrollar datasets analíticos reutilizables. El resultado descrito es un entregable de arquitectura, no una atribución de impacto clínico o financiero posterior.

Experiencia

Echa un vistazo a algunas de las organizaciones con las que he trabajado

¿Quieres evaluar si tu base de datos está preparada para lo que sigue?

El Clinical AI Readiness Assessment es el punto de partida cuando el bloqueo atraviesa datos, aplicaciones, integraciones, infraestructura u operación.

Ver servicio Evaluar mi caso