Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Ciberseguridad en sistemas de inteligencia artificial aplicados a la telemedicina: una revisión sistemática
0
Zitationen
3
Autoren
2025
Jahr
Abstract
La telemedicina es una herramienta clave para fortalecer los sistemas de salud, especialmente tras la pandemia y con el respaldo de tecnologías digitales avanzadas. Estas innovaciones agilizan procesos clínicos, reducen tiempos de diagnóstico y acercan la atención médica a comunidades con pocos recursos. Sin embargo, también emergen riesgos significativos para la seguridad de la información, que comprometen privacidad y confianza en los servicios remotos. Este artículo presenta una revisión sistemática de 22 estudios publicados entre 2021 y 2025, reportada según la guía PRISMA 2020 y basada en un protocolo de cuatro fases: identificación, cribado, elegibilidad y síntesis cualitativa. Su objetivo fue identificar vulnerabilidades, marcos regulatorios y soluciones tecnológicas que fortalezcan la seguridad en la atención a distancia. Entre los principales hallazgos destacan la exposición de datos clínicos por configuraciones inseguras (Nour et al., 2023), la alta vulnerabilidad de los sistemas a ataques con más del 90% de éxito (Gai et al., 2023) y la limitada aplicación de normativas como GDPR y HIPAA, aunque completas, no cubren desafíos técnicos actuales (Stoyanova et al., 2023; Wachter et al., 2021). También se identificaron propuestas emergentes: uso de blockchain para controlar accesos (Nour et al., 2023; Lee et al., 2024), sistemas explicables que faciliten auditorías clínicas (Price & Cohen, 2023) y aprendizaje federado que protege la privacidad sin perder precisión (Khan et al., 2022). En conclusión, la telemedicina requiere integrar la seguridad digital desde el diseño, con regulaciones actualizadas, formación de profesionales y protocolos claros que aseguren la protección del paciente.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.490 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.376 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.832 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.553 Zit.