El trabajo
Físico de formación, desarrollador de IA de oficio. Nueve años desarrollando la IA del producto sanitario con marcado CE de Legit.Health. Investigación sobre cómo aprender con muy pocas imágenes, de enfermedades de plantas a histología. Campos distintos, el mismo método.
Legit.Health, 2017–2026.
Fui cofundador, Chief AI Officer, y Director Técnico y PRRC.
Contexto
Hay pocos dermatólogos y las listas de espera son largas. Las escalas de gravedad que guían el tratamiento se rellenan a mano, y los especialistas a menudo no coinciden.
Limitaciones
Datos. Las imágenes de piel bien etiquetadas escasean, y los expertos no se ponen de acuerdo. Las etiquetas tenían que salir de un consenso entre varios especialistas; si no, el modelo aprendería sus sesgos.
Regulación. Es un producto sanitario. Según el MDR, cada modelo necesita evidencia, documentación y una publicación controlada de cada versión, dentro de un sistema de calidad ISO 13485.
Lo que lideré
Lideré el motor de visión que mide la gravedad de las enfermedades de la piel a partir de una foto del móvil. Reconoce más de 300 patologías y automatiza las escalas de gravedad que usan los dermatólogos, como el PASI para la psoriasis y el SCORAD para la dermatitis atópica.
Primero elegí la métrica de cada caso de uso. Después trabajé el conjunto de datos. Y después, los modelos.
Cómo se validó
Varios estudios de validación clínica. Marcado CE: primero como clase I según la antigua Directiva de productos sanitarios y, desde septiembre de 2026, como clase IIb según el MDR, certificado por BSI, organismo notificado 2797 (certificado), con un sistema de gestión de la calidad ISO 13485.
Fui Director Técnico y PRRC (la persona responsable del cumplimiento de la normativa). Lideré el proceso de IA y participé en el trabajo clínico.
Resultado
- 2.500+
- profesionales sanitarios
- 300+
- patologías de la piel
- 7 M$
- captados por Legit.Health
«…mejorando la precisión del diagnóstico, reduciendo a la mitad el tiempo de consulta y disminuyendo las listas de espera».
Forbes España, 30 Under 30 Europe 2025, sobre Legit.Health Qué significa para ti
Ya he recorrido el camino completo una vez: datos, modelo, evaluación, validación clínica y marcado CE.
En tu proyecto, eso significa que la métrica se acuerda antes que el modelo, que la evaluación la puedes presentar a un auditor y que la documentación se escribe a la vez que el trabajo.
Investigación.
Few-shot learning: modelos que aprenden con decenas de ejemplos, no con millones.
- 847
- citas
- 29
- artículos
- 10
- índice h
Mi artículo más citado (435 citas) aplica el few-shot learning a enfermedades de plantas en fotos tomadas en el campo. Es investigación, no un cliente. Demuestra que el método funciona fuera de la medicina.
Cinco fotos por clase, en tu navegador.
La mayoría de las empresas no tiene un millón de imágenes etiquetadas. Para muchas tareas, no hacen falta.
Funciona en tu navegador. Tus fotos no salen de él. La demo está en inglés.
Hablemos 30 minutos.
La llamada no tiene coste. Respondo en dos días laborables.