Las revisiones destacan el papel de blockchain en el intercambio de datos médicos y el aprendizaje federado

Dos revisiones examinan las iniciativas de intercambio de datos médicos basadas en blockchain y el aprendizaje federado basado en blockchain en la atención de la salud, y concluyen que los mecanismos de gobernanza y de transacción son particularmente influyentes para sostener las iniciativas, y que los marcos de BCFL combinan la confianza descentralizada y la auditabilidad de blockchain con las capacidades de aprendizaje colaborativo que preservan la privacidad del aprendizaje federado. Los estudios describen el intercambio seguro y eficiente de datos médicos sensibles entre instituciones como un desafío importante debido a las preocupaciones sobre la privacidad, los silos de datos, las restricciones regulatorias, los riesgos de seguridad de los datos y los puntos únicos de fallo en los sistemas centralizados.

Una revisión identificó 42 iniciativas, categorizándolas según modelos de propiedad, gobernanza, negocio, incentivos, transacciones y sostenibilidad. El modelo base, ejecutado con un umbral de inclusión de 0.65, identificó múltiples configuraciones asociadas con una actividad sostenida de las iniciativas, lo que destacó el papel de los mecanismos de gobernanza y las estructuras de transacción en el apoyo a la viabilidad a largo plazo. El análisis de sensibilidad realizado en múltiples umbrales encontró que en 0.80 solo permanecían dos configuraciones, que representaban las vías más consistentes hacia una actividad sostenida.

Ese análisis encontró una variedad de modelos de gobernanza, propiedad, negocio y sostenibilidad, sin que una sola configuración estructural garantizara la viabilidad a largo plazo. Los hallazgos sugieren que los mecanismos de gobernanza y de transacción son particularmente influyentes para sostener las iniciativas, y con frecuencia compensan la ausencia de modelos empresariales o de sostenibilidad sólidos. El alcance se limitó a las iniciativas identificadas mediante la documentación disponible y el muestreo en bola de nieve, y los resultados subrayan la necesidad de más investigación sobre la interacción entre las estructuras de gobernanza, los modelos financieros y la sostenibilidad a largo plazo en el intercambio de datos médicos.

La revisión sistemática de la literatura sobre aprendizaje federado basado en blockchain señaló que el crecimiento exponencial de los datos médicos y los avances en inteligencia artificial han acelerado el desarrollo de una atención de la salud impulsada por los datos, pero el intercambio seguro y el control de la información sanitaria sensible se han convertido en preocupaciones centrales. La revisión buscó estudios de 2018 a 2025 y, tras una deduplicación automatizada y un cribado manual multietapa, incluyó más de 100 artículos de alta calidad que abarcaban fundamentos teóricos, arquitecturas de sistemas, dominios de aplicación, limitaciones y direcciones futuras.

Según la revisión, BCFL mejora la seguridad de los datos, respalda la colaboración interinstitucional que preserva la privacidad y facilita aplicaciones prácticas en la atención de la salud, entre ellas el intercambio de datos médicos, el Internet of Medical Things, la vigilancia de la salud pública y la telemedicina. Las aplicaciones abarcan el intercambio interinstitucional de datos médicos, Internet of Medical Things, la predicción de epidemias y la telemedicina, mientras que las arquitecturas que incluyen modelos fully coupled, flexibly coupled y loosely coupled ofrecen distintos equilibrios entre eficiencia, escalabilidad y seguridad.

La revisión indicó que esta integración mitiga riesgos como la manipulación de modelos, la filtración de datos y la falta de incentivos en los sistemas federados. Añadió que el aprendizaje federado permite a las instituciones entrenar modelos de forma colaborativa sin intercambiar datos en bruto, mientras que deben cumplirse requisitos legales y regulatorios estrictos como HIPAA y GDPR al manejar datos personales. Pese a los actuales desafíos técnicos y prácticos, la revisión afirmó que BCFL demuestra un gran potencial para respaldar la medicina de precisión, la colaboración global en datos de salud y el despliegue de IA a gran escala en la atención de la salud.