Ciudad de Mexico, 25 de junio de 2026.- Un artículo publicado en la revista Nature asegura que se ha subestimado el riesgo de que se filtren los datos con los que se entrena la inteligencia artificial (IA) médica. El estudio pide aumentar el control sobre las grandes bases de datos médicos.

Según el estudio, el historial médico de una persona normativa se difumina entre la ingente cantidad de datos de estas bases, pero las realidades de las minorías destacan y se pueden encontrar fácilmente. Minorías raciales, personas con enfermedades raras, no binarias o económicamente desfavorecidas son fácilmente identificables y sus datos están expuestos de manera desproporcionada a ataques contra la privacidad.

Los autores utilizaron siete grandes bases de datos clínicos que incluyen imágenes médicas, electrocardiogramas e historiales médicos. Los autores llevaron a cabo ataques de inferencia de pertenencia (MIA) para determinar si los datos de una persona se han utilizado para entrenar un modelo.

Los MIA hacen preguntas y observan las respuestas para averiguar si un dato concreto fue utilizado para entrenar un sistema. La IA es mucho más habladora y concreta cuando se le pregunta por casos que ha visto durante su entrenamiento y tiende a ser más vaga cuando se le pregunta por algo que desconoce. Analizando las diferencias en sus respuestas, es posible inferir si se ha usado la historia de una persona concreta para entrenar a la IA.

El éxito de los MIAs aumenta considerablemente en las grandes bases de datos. Los autores del estudio señalan: “Cuanto más grandes son los modelos, mayores son los riesgos”. Gran parte de los avances de la IA se deben al aumento del tamaño de los conjuntos de datos, pero las bases son cada vez más grandes, sus respuestas más certeras y su seguridad, más comprometida ante los ataques MIAs.

Moritz Knolle es investigador del Institute for AI in Healthcare & Medicine de Múnich y autor principal del estudio. Respecto a la ejecución de estas vulnerabilidades, Knolle afirma: “Estos ataques pueden ejecutarse con éxito utilizando recursos computacionales mínimos”. El investigador añade: “Por lo tanto, consideramos que es factible realizar este tipo de ataques en el mundo real”.