Miguel Ángel Haro

Profesional con experiencia en el desarrollo e implementación de soluciones tecnológicas para la gestión hospitalaria, administrativa y financiera. Interesado en el análisis avanzado de datos y en la aplicación de técnicas de inteligencia artificial, incluyendo modelos predictivos y métodos generativos, tanto en biomedicina y salud como en otros ámbitos de impacto social y económico.

• Ingeniero de soporte e integraciones 
  • Presente Coordinación y soporte de soluciones LIS de Anatomía Patológica (VitroPath y AnaPath) en hospitales y laboratorios, garantizando la estabilidad operativa de los sistemas y la resolución eficaz de incidencias en colaboración con usuarios finales y equipos técnicos. 
  • Gestión y análisis de bases de datos Oracle y SQL, así como integraciones clínicas mediante Mirth Connect, trabajando con estándares HL7, XML y JSON, asegurando la interoperabilidad con sistemas HIS, LIS y PACS. 
  • Coordinación técnica con proveedores externos e integradores, participando en reuniones de seguimiento, definición de interfaces, resolución de incidencias de interoperabilidad y validación de flujos de información entre sistemas.
• Desarrollador Java Full Stack - Application Developer
  • Analista funcional y modelado de procesos asistenciales: análisis de necesidades clínicas y operativas, traduciendo los requerimientos de médicos y personal sanitario en especificaciones funcionales y técnicas. 
  • Desarrollo software: implementación y mejora de funcionalidades en entorno Java/JEE, asegurando la coherencia entre los procesos clínicos y el sistema de información. 
  • Soporte en entorno hospitalario: acompañamiento a profesionales sanitarios durante la implantación de la aplicación, guiando su uso, resolviendo incidencias en tiempo real y proponiendo mejoras alineadas con los flujos de trabajo asistenciales.

• Master Universitario en Inteligencia Artificial y Data Engineering | UNIR - Universidad Internacional de la Rioja.
  • Trabajo de fin de master: aplicación de Redes Generativas Adversarias para la Predicción y Simulación de Series Temporales Financieras 
• Ingeniería de la Salud - Mención de informática clínica | Universidad de Sevilla 
  • Trabajo de fin de grado: estudio de oncogenes en muestras tumorales a través de técnicas de Machine Learning aplicadas en R