Vulnerabilidades de los sistemas de inteligencia artificial en radiología digital frente a ataques adversariales y su impacto en la confiabilidad diagnóstica y la seguridad del paciente

Abstract

La incorporación de sistemas de inteligencia artificial en la radiología digital ha permitido optimizar los procesos diagnósticos mediante el uso de algoritmos de aprendizaje profundo capaces de identificar patologías con alta precisión. Sin embargo, estos sistemas presentan vulnerabilidades frente a ataques adversariales, los cuales consisten en la manipulación intencional de imágenes médicas mediante perturbaciones imperceptibles que pueden alterar los resultados diagnósticos. En entornos hospitalarios, donde se emplean infraestructuras como RIS, PACS y el estándar DICOM para la gestión de imágenes, estas amenazas representan un riesgo significativo para la integridad de la información clínica y la seguridad del paciente. La falta de mecanismos robustos de ciberseguridad, junto con factores humanos como la escasa capacitación y la dependencia de la automatización, agravan esta problemática. El presente estudio tiene como objetivo analizar las vulnerabilidades de los sistemas de inteligencia artificial en radiología digital frente a ataques adversariales, evaluando su impacto en la confiabilidad diagnóstica y en la seguridad del paciente. Asimismo, se abordan las implicaciones éticas, legales y operativas, y se identifican estrategias de mitigación orientadas a fortalecer la resiliencia de los sistemas de salud.