Avanzando la Medicina de Precisión
mediante Open Source
Una iniciativa dedicada a crear soluciones RWE y de Medicina de Precisión integrando y desarrollando tecnologías open-source en Informática Clínica, Bioinformática, Infraestructura Cloud y MLOps.
Nuestros contribuidores principales provienen de entornos académicos y de investigación en:
Tendiendo puentes en la innovación sanitaria entre California, Florida y España.
Proyectos Open Source
Plataforma Base ColabBio
El framework de código abierto e infraestructura que sustenta el ecosistema ColabBio, diseñado para investigación escalable y reproducible con capacidades integradas de Aislamiento Multi-Tenant y Aprendizaje Federado.
Visor de Patología IA Multi-modelo
Una herramienta de visualización avanzada para patología digital. Soporta inferencia IA multi-modelo en tiempo real para análisis de placas, anotaciones y detección de biomarcadores.
VFS Médico FUSE
Un sistema de archivos virtual (VFS) unificado basado en FUSE, que proporciona acceso nativo e integrado a diversos almacenes de datos médicos incluyendo estándares OMOP, FHIR, DICOM y genómicos.
MLOps e Inferencia Empresarial
Inferencia dinámica acelerada por GPU usando NVIDIA Triton y MLflow. Integra NVIDIA NVFlare de forma transparente para aprendizaje federado con dockers personalizados.
Servidores Clínicos MCP
Microservicios estandarizados Model Context Protocol para OMOP CDM, DICOMweb, OMERO y FHIR. Conexión segura de datos clínicos con agentes de IA.
Companion Clínico & A2UI
Copiloto clínico agéntico con 19 herramientas médicas deterministas. Streaming en tiempo real de Server-Driven UI (mapas de calor, tarjetas) al visor.
Preprocesamiento SlideLab
Pipeline de patología computacional de alto rendimiento. Enmascara, normaliza y trocea imágenes gigapíxel (WSI) para entrenamiento de IA.
Arquitectura de Grado Empresarial
ColabBio está construido desde cero para una gobernanza de datos estricta, escalabilidad horizontal y una IA que preserva la privacidad.
Aprendizaje Federado y Ciclo Activo
RWE en el Borde. Los algoritmos viajan a los datos del hospital, garantizando 100% de privacidad. Los bucles de aprendizaje continuo asisten a los patólogos en tiempo real.
Saber más →Aislamiento Multi-Tenant
Aislamiento estricto de bases de datos y namespaces. Comparte clústeres de forma lógica, o despliega nodos edge físicamente aislados en una red zero-trust.
Saber más →Despliegue Flexible
3 Niveles de Despliegue: desde Docker Compose local para pruebas rápidas, hasta clústeres MicroK8s on-premise en hospitales, y Cloud IaC escalable (Terraform).
Saber más →Medicina de Precisión y Pipeline Traslacional
Soporte integral para la innovación en salud digital, cubriendo la traslación, RWE on edge y validación clínica. Ayudamos a Startups, compañías Farmacéuticas y Centros de Investigación con sus necesidades traslacionales en Europa y LATAM.
Definición
Definición de guías clínicas, casos de uso y requerimientos técnicos.
Pilotaje, Edge Training & Validation
Estudios de viabilidad, aprendizaje federado y ajuste fino algorítmico en entornos controlados.
Certificación
Cumplimiento normativo (FDA/CE), auditorías de seguridad y certificación de interoperabilidad.
Despliegue
Despliegue comercial a gran escala, integración con HCE (EMR) y monitorización continua.
Abiertos a Alianzas de Investigación
Buscamos activamente centros de investigación, hospitales e instituciones académicas para colaborar en becas públicas, consorcios (ej., Horizon Europe) y pilotos científicos de código abierto.
Colabora con NosotrosServicios Profesionales y Comerciales
Para despliegues profesionales, integración propietaria con historias clínicas (EMR) y servicios fuera del ámbito de la investigación abierta, visite ColabBio.net, una iniciativa impulsada por HealthCentrix.
Visitar ColabBio.net →Piloto: SlideLab/abMiL
Un proyecto insignia de patología computacional que demuestra el poder de la arquitectura open-source de ColabBio.SlideLab/abMiL tiene como objetivo desarrollar modelos de IA robustos capaces de identificar regiones cancerosas en Whole Slide Images (WSIs) sin depender de anotaciones costosas a nivel de píxel.
Aprovechando el Aprendizaje de Instancia Múltiple Basado en Atención (ABMIL) y extrayendo características usando modelos fundacionales, el modelo aprende puramente de etiquetas débiles a nivel de placa.
Leer Documentación TécnicaNuestro Equipo
Conoce al equipo central y la red académica que impulsa la bioinformática de código abierto.
Conoce al Equipo →