Las neuronas son componentes cruciales de las redes neuronales, pero implementar modelos de neuronas biológicamente precisos en hardware es desafiante debido a su no linealidad y variabilidad temporal. Este artículo presenta el modelo de neurona SC-IZ, una implementación digital de bajo costo del modelo de neurona Izhikevich diseñado para sistemas neuromórficos a gran escala utilizando computación estocástica (SC). Los resultados de la simulación muestran que SC-IZ puede reproducir los comportamientos de la neurona Izhikevich original. El modelo es sintetizado e implementado en un FPGA. El análisis comparativo muestra una mayor eficiencia de hardware; una reducción en la utilización de recursos, que es una reducción del 56.25% en slices, una reducción del 57.61% en el uso de tablas de búsqueda (LUT) y una reducción del 58.80% en la utilización de Flip-Flop (FF); y una mayor frecuencia de funcionamiento en comparación con la implementación Izhikevich de última generación.