La fusión del aprendizaje automático y la investigación biomédica ofrece nuevas formas de comprender, diagnosticar y tratar diversas condiciones de salud. Sin embargo, las complejidades de los datos biomédicos, junto con el intrincado proceso de desarrollar e implementar soluciones de aprendizaje automático, a menudo plantean desafíos significativos a los investigadores en estos campos. Nuestro logro clave en esta investigación es la introducción del marco de Microservicio Automático de Aprendizaje Automático Semántico (AIMS). AIMS aborda estos desafíos automatizando diversas etapas del proceso de aprendizaje automático, con un énfasis particular en la ontología de los servicios de aprendizaje automático adaptados al dominio biomédico. Esta ontología abarca desde la representación de tareas, modelado de servicios y adquisición de conocimientos hasta el razonamiento de conocimientos y el establecimiento de una política de aprendizaje auto supervisado. Nuestro marco ha sido diseñado para priorizar la interpretabilidad del modelo, integrar conocimientos del dominio sin esfuerzo y manejar datos biomédicos con eficiencia. Además, AIMS cuenta con una característica distintiva: aprovecha el aprendizaje de conocimientos auto supervisado a través de técnicas de aprendizaje por refuerzo, junto con un esquema de grabación de políticas basado en ontologías. Esto le permite generar, ajustar y adaptarse continuamente a modelos de aprendizaje automático de manera autónoma, especialmente cuando se enfrenta a nuevas tareas y datos. Nuestro trabajo tiene dos contribuciones destacadas que demuestran que los procesos de aprendizaje automático en el dominio biomédico pueden automatizarse, al tiempo que integran una rica base de conocimientos del dominio y proporcionan una forma para que las máquinas tengan la capacidad de autoaprendizaje, asegurando que manejen nuevas tareas de manera efectiva. Para mostrar AIMS en acción, hemos destacado su destreza en tres estudios de caso de tareas biomédicas. Estos ejemplos enfatizan cómo nuestro marco puede simplificar las rutinas de investigación, elevar el nivel de exploración científica y sentar las bases para avances notables.