Evaluación de la integridad diagnostica frente a la generación de hallazgos patológicos falsos mediante IA: revisión documental de la literatura actual

Abstract

La integración de IA y la radiología digital ha optimizado los procesos diagnósticos, pero también ha incrementado los riesgos de ciberseguridad, especialmente frente a ataques adversariales de redes generativas antagónicas (GAN), que modifican imágenes médicas e insertan hallazgos patológicos falsos, comprometiendo la autenticidad de los estudios, la integridad del registro clínico y la seguridad del paciente. El estudio es de revisión documental con enfoque cualitativo y diseño no experimental. Se analizaron artículos científicos, reportes técnicos, normativas internacionales y literatura en ciberseguridad hospitalaria, IA médica y sistemas de gestión de imágenes. La revisión identificó vulnerabilidades algorítmicas, fallas en la infraestructura tecnológica y riesgos asociados a redes hospitalarias interconectadas, además de brechas regulatorias y éticas respecto a la responsabilidad profesional y la protección de datos. Los hallazgos revelan debilidades que facilitan la inserción de artefactos sintéticos capaces de alterar diagnósticos y afectar los procesos clínicos. Asimismo, los sistemas PACS y redes hospitalarias amplían la superficie de ataque, permitiendo manipulaciones que afectan la trazabilidad, confiabilidad institucional y calidad del servicio radiológico. Los ataques adversariales y los deepfakes médicos son una amenaza creciente, con implicaciones legales, administrativas y operativas. Se concluye que se deben fortalecer los marcos de ciberseguridad, robustecer los algoritmos, implementar mecanismos de verificación de autenticidad y establecer regulaciones que garanticen la integridad de la información y la seguridad del paciente. La manipulación adversarial mediante GAN es una amenaza que exige estrategias integrales de protección, gobernanza tecnológica y mejora continua.