Direccion 2026-2032

IA eficiente, reproducible y desplegable.

Uso problemas medicos exigentes como banco de prueba para desarrollar optimization hardware-aware, evaluación rigurosa y herramientas que conecten machine learning, cuantización, RTL y sistemas verificables.

Evaluación confiable y anti-leakage en IA médica

Diseño protocolos y herramientas para detectar cuándo una IA médica está aprendiendo del futuro, de sesgos del pipeline o de atajos metodológicos.

Arquitecturas multimodales modulares para pronostico medico

Construyo pipelines médicos multimodales que pueden auditarse, intercambiar módulos y evaluar cada modalidad sin convertir todo en una caja negra.

Cuantización rotacional y ML eficiente hardware-aware

Investigo cómo comprimir modelos médicos mediante rotaciones ortogonales para que funcionen en baja precisión sin perder utilidad clínica downstream.