Médico epidemiólogo que une clínica, datos e inteligencia artificial
Interoperabilidad clínica · Arquitectura e ingeniería de datos en salud · IA y salud digital · Docencia de posgrado
HL7 FHIR · SNOMED CT · LOINC · CIE-11 · DICOM · IHE · openEHR · GS1 Healthcare
Español · English
HL7 Ecuador · LinkedIn · AIpócrates · Repositorios
Transformo sistemas de salud fragmentados en ecosistemas interoperables y reproducibles, capaces de generar información oportuna para la vigilancia epidemiológica, la gestión sanitaria y las decisiones en salud pública. Mi diferencial es combinar el conocimiento clínico y epidemiológico con un perfil técnico en arquitectura y ciencia de datos.
Presido HL7 Ecuador, donde impulso la adopción de estándares de interoperabilidad y gobernanza de datos en salud. Un ejemplo de mi forma de trabajar: de recursos FHIR a un mapa de tasas, paso a paso y reproducible.
Stack técnico
Trabajo de punta a punta: desde estándares clínicos y terminologías (guías de implementación en FSH, SQL on FHIR) hasta arquitectura e ingeniería de datos (HAPI FHIR, Kafka, PostgreSQL con arquitectura medallion, DuckDB, ETL en Python, Docker) y analítica (R, Shiny, Quarto, sf, pronóstico y detección de anomalías para vigilancia). Desarrollo sobre todo en R, Python, SQL y TypeScript.
Paquetes · Arquitectura · Aprendizaje · Otros proyectos · Investigación · Contacto
| Paquete | Para qué sirve | Estado |
|---|---|---|
| fhirviews | Cliente HL7 FHIR R4 y motor SQL on FHIR (ViewDefinition) que convierte recursos clínicos en tablas. |
Enviado a CRAN (v0.5.0) · motor DuckDB experimental |
| geoecu | Provincias, cantones y parroquias del Ecuador como objetos sf, con códigos DPA del CONALI. |
En CRAN (v0.4.1) · estable |
| pobecu | Población del INEC por provincia, cantón y parroquia, lista para usar como denominador de tasas. | En CRAN (v0.3.0) · escenarios 1900–2100 experimentales |
Cada paquete tiene su README en español y en inglés. Las funciones y la documentación de referencia están en español.
Documentación · Arquitectura · Conformidad
Consulta servidores FHIR R4 desde R y RStudio (búsqueda con paginación, CRUD, transacciones, $everything, $export, SMART on FHIR) y transforma los recursos en data.frame con ViewDefinition y FHIRPath. Incluye un motor experimental sobre DuckDB para millones de recursos en NDJSON o Parquet. Supera las 133 pruebas shareable de la suite oficial de SQL on FHIR. Es un resultado de pruebas de implementación, no una certificación externa.
flowchart LR
F["Recursos FHIR R4"] --> E["fhirviews<br/>motor SQL on FHIR"]
V["ViewDefinition<br/>FHIRPath"] --> E
E --> T["data.frame"] --> D["DuckDB · ggplot2 · Shiny"]
Documentación · Galería cartográfica
24 provincias, 223 cantones y 1.048 parroquias que encajan sin huecos ni traslapes, en dos resoluciones, con superficie area_km2, unión por código DPA (geoecu_unir()), conversión de códigos históricos (actualizar_codigo()) y caché verificada para trabajar sin conexión.
![]() |
![]() |
![]() |
| Provincias · regiones naturales | Cantones · parroquias por cantón | Parroquias · detalle de Puyango |
Fuente: CONALI, División Político-Administrativa (datos abiertos, CC BY). Galápagos se reubica solo para visualización.
Documentación · Metodología · Mapas con geoecu
Estimaciones y proyecciones oficiales del INEC (Revisión 2024): nacional 1950–2050, provincial 1990–2035 y cantonal 2010–2035 por sexo, edad y área urbana/rural, más una estimación parroquial propia 2010–2035 coherente con el total cantonal. Calcula tasas en una línea con pob_tasa() y homologa códigos CONALI con los del Censo 2022. Se auditaron más de seis millones de celdas contra los Excel del INEC, sin diferencias (validación).
Fuente: INEC, Revisión 2024. Las cifras parroquiales son estimaciones de pobecu, no cifras oficiales.
Datos clínicos interoperables + denominadores poblacionales + geografía administrativa. Los paquetes son independientes, pero están pensados para usarse juntos:
flowchart LR
F["Fuentes HL7 FHIR R4"] --> V["fhirviews<br/>FHIR → tablas"]
V --> A["Casos"]
P["pobecu<br/>Población INEC"] --> I["Tasas e indicadores"]
A --> I
I --> G["geoecu<br/>Mapas DPA"]
Del registro de casos a un mapa de tasas. El ejemplo completo y reproducible parte de recursos FHIR sintéticos y llega al mapa; aquí, la versión corta:
# install.packages(c("pobecu", "geoecu", "sf", "ggplot2")) # desde CRAN
library(pobecu) # denominadores del INEC
library(ggplot2)
casos <- data.frame(dpa_canton = c("1101", "1102", "1110"), anio = 2025,
casos = c(120, 8, 15)) # datos ficticios
tasas <- pob_tasa(casos, "casos", por = 1e5) # casos por 100 000 hab.
mapa <- pob_mapa("canton", anio = 2025, provincia = "Loja") # capa de geoecu
mapa <- merge(mapa, tasas[c("dpa_canton", "tasa")], by = "dpa_canton", all.x = TRUE)
ggplot(mapa) + geom_sf(aes(fill = tasa)) + theme_void()
Densidad poblacional 2026: población del INEC (vía pobecu) / area_km2 de geoecu.
| Proyecto | Para qué sirve |
|---|---|
| Aprende FHIR · sitio | Taller de HL7 FHIR R4 en español, paso a paso, con fichas por recurso y un caso clínico ecuatoriano, para Postman, R o curl. |
| Agenda FHIR | Prototipo educativo de agenda clínica en R/Shiny con recursos FHIR y datos sintéticos, construido con Catherine Solarte Godoy y Néstor Fabián López en el FHIR Camp de HL7 Colombia. |
| sql-on-fhir.js | Mi fork de la implementación de referencia de SQL on FHIR, para contribuir el informe de conformidad de fhirviews. |
Los ejemplos públicos usan información sintética o de fuentes abiertas. Los prototipos son educativos y no sustituyen la validación institucional ni la certificación clínica.
Buena parte de mi trabajo está en repositorios privados o compartidos, que no aparecen arriba:
- Guías de implementación HL7 FHIR R4 para Ecuador, escritas en FSH: perfiles base, interoperabilidad e índice maestro de pacientes con perfiles IHE. En borrador.
- Plataforma de vigilancia epidemiológica basada en estándares: ingesta validada, repositorio HAPI FHIR, eventos con Kafka (CloudEvents), motor de reglas y ciclo de alertas. Probada con datos sintéticos.
- Vigilancia de infecciones asociadas a la atención en salud y brotes: motor de validación en Python, ETL medallion en PostgreSQL y tableros Shiny con geoecu.
- Sala situacional de salud en R/Shiny sobre PostgreSQL y Docker, con canal endémico, pronósticos ARIMA, detección de anomalías y reportes PDF automáticos.
- Libro abierto en preparación: Ciencia de datos con R para la salud pública, en Quarto, con casos de Ecuador y Latinoamérica.
- Investigación colaborativa sobre big data e inteligencia artificial en salud.
- HL7 Ecuador: presidente desde 2025 (antes, co-chair). Impulso la adopción de estándares de interoperabilidad semántica y sintáctica. Capítulo HL7 Ecuador · Actividad institucional.
- Ministerio de Salud Pública del Ecuador: médico epidemiólogo y analista de datos en vigilancia epidemiológica nacional; antes, director distrital de salud y médico del primer nivel en Loja.
- Docencia de posgrado en informática médica, analítica de datos y sistemas de información en salud (Universidad UTE, Universidad Continental) y en el curso de Telemedicina de la Escuela de Salud Pública del IAEN.
- Universidad Nacional de Loja: comité científico Cienf 2026.
- Villagrán Pancho LE, Salas Guerrero RF, et al. Metodología en la optimización de bases de datos de los sistemas de información en salud de Ecuador para el monitoreo en tiempo real de eventos críticos para la vigilancia epidemiológica. Práctica Familiar Rural (2023). DOI: 10.16921/pfr.v8i3.292.
- Pérez-Tasigchana F, et al. (incluye a Ronald Salas). Effectiveness of COVID-19 vaccines in Ecuador: A test-negative design. Vaccine: X 15 (2023), 100404. DOI: 10.1016/j.jvacx.2023.100404 · PubMed.
Formación
- Medicina y maestría en Epidemiología, Universidad Nacional de Loja.
- Doctorado en Inteligencia Artificial y Machine Learning en curso, Walsh College (2025–2028).
- Postgraduate Program in Artificial Intelligence and Machine Learning: Business Applications, The University of Texas at Austin (2025).
- Curso de fundamentos de SNOMED CT, SNOMED International (2026). FHIR Camp de HL7 Colombia (2026).
- Formación en gerencia de instituciones de salud, telemedicina, interoperabilidad y ciencia de datos.
Historial académico, cargos y certificaciones actualizados en LinkedIn.
Divulgación
- La interoperabilidad basada en inteligencia artificial: ¿la nueva torre de Babel?
- El médico, la IA y la autopista cuántica (Parte 1)
- AIpócrates: reflexiones sobre IA, estándares y transformación de la salud.
Me interesan colaboraciones que combinen FHIR, SQL on FHIR, R, datos públicos reproducibles e inteligencia territorial en salud, especialmente en Latinoamérica.
Propuestas académicas o institucionales: LinkedIn. Errores o contribuciones de código: Issues y Pull Requests de cada repositorio, en español o en inglés.
Proyectos abiertos · Fuentes identificadas · Datos sintéticos en demostraciones · Documentación reproducible






