Esta sección está pensada para mostrarte cómo aplico la inteligencia artificial en contextos biomédicos concretos. A través de ejemplos prácticos y visuales podrás ver cómo abordo cada reto técnico y científico, desde el planteamiento del problema hasta la solución final. No se trata de teoría, sino de proyectos funcionales que reflejan mi forma de trabajar y de pensar en ciencia aplicada.
Diseñé un modelo de clasificación supervisado para predecir tipos de enfermedad a partir de datos transcriptómicos de pacientes. El dataset incluía más de 10.000 genes por muestra y requería un proceso previo de normalización, selección de variables y validación cruzada. Usé técnicas como PCA para reducir la dimensionalidad y modelos como Random Forest y XGBoost para mejorar la precisión. El resultado fue un flujo de trabajo reproducible y aplicable a nuevos casos con un 91 % de exactitud.
Implementé un chatbot basado en un modelo de lenguaje entrenado con documentos técnicos internos de un laboratorio biomédico. El objetivo era permitir que el equipo consultara protocolos y recomendaciones directamente desde una interfaz conversacional, sin tener que buscar manualmente en PDFs o bases de datos. Usé embeddings, técnicas de retrieval-augmented generation (RAG) y herramientas como LangChain. Logré reducir el tiempo de consulta en más del 60 %.