Análisis documental del riesgo asociado a ataques adversariales en el flujo de trabajo radiológico: consecuencias en la validez del diagnóstico por (IA) y retos para la protección de datos sensibles bajo estándares internacionales

Abstract

La presente investigación analiza el impacto de los ataques adversariales en los sistemas de inteligencia artificial aplicados a la radiología, con énfasis en sus efectos sobre la validez diagnóstica y la seguridad de los datos clínicos. El estudio se desarrolla bajo un enfoque cualitativo, con un diseño documental basado en la revisión de literatura científica relacionada con inteligencia artificial, ciberseguridad y diagnóstico por imágenes. A partir del análisis de fuentes académicas, se identifican las principales vulnerabilidades de los sistemas de IA frente a la manipulación de imágenes médicas, evidenciando riesgos asociados a diagnósticos erróneos, alteración de la información clínica y posibles afectaciones a la seguridad del paciente. Asimismo, se examinan las implicaciones técnicas, éticas y clínicas derivadas de estos ataques en entornos hospitalarios digitalizados. De igual forma, se destacan estrategias de mitigación basadas en la literatura, orientadas al fortalecimiento de la ciberseguridad, la protección de datos sensibles y la confiabilidad de los sistemas diagnósticos asistidos por inteligencia artificial. El estudio resalta la necesidad de fortalecer los marcos de gobernanza de datos y la supervisión humana en los sistemas de inteligencia artificial, considerando que la automatización en radiología no elimina la responsabilidad clínica del profesional. En este sentido, se plantea que la implementación segura de estas tecnologías requiere una integración equilibrada entre innovación tecnológica, regulación ética y capacitación especializada del personal, con el fin de garantizar diagnósticos confiables y minimizar riesgos asociados a la manipulación adversarial en entornos clínicos digitalizados. Palabras clave: inteligencia artificial, radiología, ataques adversariales, ciberseguridad, diagnóstico médico.