Pasar de ChatGPT a un sistema de trabajo
Configura Codex, define límites seguros y convierte tus instrucciones en ficheros AGENTS.md y skills reutilizables.
Formación práctica online · primera edición
De ChatGPT a Codex: evidencia científica, datos clínicos y análisis reproducibles.

José Daniel Subiela
MD, PhD · Urólogo-oncólogo y profesor clínico

Jesús López
IA aplicada, datos y docencia
600 € · reserva reembolsable de 100 €
30–31 de octubre · 15 plazas · reserva reembolsable hasta el 16 de octubre.
01 · Evidencia
Sintetiza un paper sin perder el criterio clínico.
02 · Datos
Ordena información dispersa y crea una hoja recolectora útil.
03 · Decisión
Convierte una necesidad real en un flujo que puedas repetir.
Aplicación inmediata
Configura Codex, define límites seguros y convierte tus instrucciones en ficheros AGENTS.md y skills reutilizables.
Pasa de un paper a una lectura crítica trazable, una matriz de evidencia y una síntesis que otro médico pueda revisar.
Construye una hoja recolectora, armoniza fuentes y obtén estadística descriptiva auditable a partir de un conjunto de práctica.
Recorre análisis de supervivencia y curvas de aprendizaje quirúrgico, con criterios explícitos de validación, sesgo e interpretación.
A quién va dirigido
No necesitas programar: necesitas una pregunta, criterio sobre tu área y voluntad de trabajar con un método verificable.
Médicos asistenciales y residentes que quieren convertir preguntas clínicas en trabajos estructurados y revisables.
Personas que revisan literatura, diseñan estudios, construyen registros o preparan datos para analizarlos y publicarlos.
Estudiantes de máster, doctorandos y académicos en etapas iniciales que desarrollan tesis, papers o proyectos de investigación.
Casos de investigación y práctica clínica
Cinco demostraciones que José ha construido con su trabajo clínico e investigador. En el curso construyes el tuyo con el mismo método.
José plantea la pregunta clínica, Jesús construye el flujo en Codex y ambos revisan qué puede concluir el sistema y qué no.
Metaanálisis en red
Tres regímenes relevantes no cuentan con un único ensayo directo que responda cómo se comparan en eficacia y seguridad.
Programa del curso
Dos sesiones de 3 horas (vie 30 y sáb 31 oct), cada una con explicación, práctica guiada y un entregable reutilizable. El grupo reducido asegura que todos salgan con su propia dinámica de trabajo.
Onboarding grabado desde el 23 oct y office hours diarias (26–30 oct) para resolver setup y dudas. Todas las sesiones quedan grabadas para los participantes.
Online en directo
Online en directo
Pasa de conversaciones con ChatGPT a un espacio de trabajo en Codex con límites seguros, instrucciones reutilizables y skills.
Usa IA para estructurar preguntas, leer papers con criterio y producir síntesis de evidencia trazables.
Convierte objetivos clínicos en variables operativas, conjuntos de datos auditables y análisis descriptivos que un médico pueda interpretar.
Entiende dos análisis médicos aplicados mediante casos reales, con criterios explícitos de validación, sesgo e interpretación.
Una colaboración probada con datos médicos reales
José y Jesús ya validaban modelos con datos clínicos antes de la IA actual. El curso convierte esa experiencia en un método aplicable sin perder trazabilidad ni criterio clínico.
Equipo docente

MD, PhD · Urólogo-oncólogo y profesor clínico
Urólogo-oncólogo y cirujano de trasplante renal en el Hospital Universitario Ramón y Cajal, y profesor clínico en la Universidad de Alcalá. Su investigación combina datos clínicos reales, bioestadística e inteligencia artificial, incluidos modelos de supervivencia, XGBoost e inferencia causal.

IA aplicada, datos y docencia
Fundador de datons e instructor en LinkedIn Learning. Años convirtiendo datos médicos en análisis, herramientas y modelos reproducibles.
Primera edición
Inscripción
Reserva con un depósito de 100 €, reembolsable hasta el 16 de octubre y descontado de los 600 €; el saldo se abona antes de esa fecha para mantener tu plaza. Trabajamos solo con datos sintéticos o derivados de publicaciones, nunca con datos reales de pacientes.