Responsabilidades

- Diseñar y entrenar modelos de IA que procesen datos en tiempo real provenientes de biosensores (frecuencia cardíaca, saturación, EEG, EMG, temperatura, actividad, etc.).

- Desarrollar algoritmos para detección de anomalías fisiológicas y predicción de eventos críticos (fatiga, arritmias, estrés metabólico, etc.).

- Integrar datos multimodales (biométricos, ambientales y de comportamiento) en plataformas de análisis distribuidas.

- Colaborar con ingenieros, médicos y científicos de datos en la definición de features relevantes y validación clínica de modelos.

- Diseñar pipelines seguros y eficientes para el procesamiento, anonimización y almacenamiento de datos biomédicos.

- Participar en el desarrollo de dashboards inteligentes y APIs para comunicación entre dispositivos IoT, apps y sistemas hospitalarios.

- Mantenerse actualizado/a sobre avances en IA aplicada a salud digital, edge computing y wearables.

Requisitos

- Título en Ingeniería Biomédica, Informática Biomédica, Ciencia de Datos o carrera afín.

- Experiencia en machine learning, procesamiento de señales biológicas o análisis de series temporales.

- Conocimientos en Python (NumPy, TensorFlow, PyTorch, Scikit-learn), APIs REST y manejo de datos en tiempo real.

- Comprensión de principios fisiológicos y variables biomédicas comunes.

- Experiencia con biosensores, dispositivos IoT o plataformas de telemetría.

- Conocimiento de estándares médicos (HL7, FHIR) y normativas de privacidad (HIPAA/GDPR).

Se valorará

- Experiencia en edge AI o computación embebida para análisis local en dispositivos portátiles.

- Conocimiento de frameworks para integración hardware/software (Arduino, Raspberry Pi, ESP32, BLE).

- Participación en proyectos de investigación o prototipado de salud digital.

- Creatividad para transformar datos biomédicos en soluciones accionables.

Beneficios

- Participación en un laboratorio de innovación en salud inteligente.

- Acceso a hardware y sensores de última generación.

- Publicaciones y proyectos de investigación aplicada.

- Horario flexible y modalidad híbrida/remota.

- Equipo interdisciplinario con cultura de prototipado rápido y aprendizaje continuo.