Control de acceso seguro a registros electrónicos de salud mediante blockchain, cifrado de doble atributo y extracción de atributos basada en modelos de lenguaje

Por qué tus expedientes médicos necesitan cerraduras más inteligentes

Cada visita al médico deja un rastro digital: notas, resultados de pruebas, escáneres, a menudo almacenados en distintos hospitales y sistemas en la nube. Estos registros son vitales para una buena atención, pero si están demasiado abiertos, tu privacidad corre peligro; si están demasiado cerrados, los médicos pueden no ver a tiempo información que salva vidas. Este artículo presenta una nueva forma de proteger los registros electrónicos de salud para que solo las personas adecuadas puedan ver las porciones correctas de los datos de un paciente, incluso cuando esos registros están dispersos por Internet.

El problema de la privacidad «talla única»

Hoy, muchos hospitales protegen los datos con reglas amplias: si eres cardiólogo en cierto hospital, puedes tener acceso a la mayor parte del expediente de un paciente cardiaco. Pero los registros modernos son mucho más complejos, llenos de notas en texto libre, imágenes e informes escritos en lenguaje clínico cotidiano. Las reglas simples suelen fallar en esta realidad desordenada. Pueden exponer detalles a personal que no los necesita, o bloquear información que los especialistas requieren de verdad. A medida que más registros se trasladan a la nube y se comparten entre instituciones, el riesgo de fugas, espionaje o manipulación de datos aumenta.

Poner al dato a describirse a sí mismo

Los autores sostienen que las decisiones de acceso deberían depender no solo de quién es un usuario, sino también de qué contiene realmente el dato. Para lograrlo, usan un modelo de lenguaje médico llamado ClinicalBERT, un tipo de IA entrenada con notas clínicas reales. En lugar de dejar el texto como un conjunto no estructurado, el modelo escanea las notas en busca de ideas clave —como síntomas, diagnósticos, medicamentos y procedimientos— y las convierte en etiquetas estructuradas. Por ejemplo, una oración sobre “dolor torácico” e “insulina” se transforma en una breve lista de conceptos estandarizados. Esto permite que el sistema sepa que un documento es, por ejemplo, una nota relacionada con cardiología que involucra diabetes, sin exponer el texto completo.

Construir cerraduras granulares con cifrado y blockchain

Una vez que los registros están etiquetados, el sistema utiliza una técnica llamada cifrado basado en atributos: los datos se protegen de modo que solo los usuarios cuyas características coincidan con una regla elegida puedan desbloquearlos. Aquí, esas características provienen de dos frentes. Los atributos de usuario capturan quién es alguien —por ejemplo su especialidad o departamento—, mientras que los atributos de datos proceden de las etiquetas generadas por ClinicalBERT, como el tipo de enfermedad o el nivel de sensibilidad. Un registro puede así cifrarse bajo políticas como “solo los especialistas en riñón pueden ver resultados de laboratorio relacionados con función renal” o “solo un pequeño equipo de emergencias puede ver banderas de alta confidencialidad”. Las claves necesarias para hacer cumplir estas reglas son creadas de forma conjunta por varios centros de claves independientes, de modo que ninguna autoridad sola pueda desbloquear los datos en secreto.

Usar un libro mayor compartido para coordinar la confianza

Para llevar el registro de qué atributos y claves existen, el marco se apoya en una blockchain privada basada en Hyperledger Fabric. Este libro mayor almacena solo metadatos técnicos: claves públicas, identificadores anónimos de atributos e información de políticas; nunca texto médico en bruto. Debido a que cada cambio se escribe en una cadena inmutable compartida entre hospitales, resulta difícil para un interno alterar en silencio los derechos de acceso o forjar claves. Los contratos inteligentes en la blockchain calculan automáticamente claves públicas combinadas para nuevos atributos, las actualizan o revocan cuando cambian los roles del personal y ayudan a pacientes o instituciones a ajustar políticas con el tiempo. Los archivos médicos cifrados reales permanecen fuera de la cadena en almacenamiento en la nube, manteniendo la blockchain ligera y escalable.

Cómo se comporta el sistema ante ataques y en la práctica

Los autores someten su diseño tanto a pruebas matemáticas como prácticas. Usando herramientas de verificación formal, modelan amenazas comunes como ataques de repetición, colusión entre usuarios o un proveedor de nube curioso, y muestran que los atacantes no pueden recuperar las claves de descifrado sin la combinación correcta de atributos. Dado que las claves se dividen entre varias autoridades, no existe una “clave maestra” que un adversario pueda robar. También evalúan el sistema en un servidor estándar y en una placa Raspberry Pi de baja potencia, encontrando que el cifrado es eficiente y, crucialmente, que el descifrado es más rápido que en varios esquemas competidores —importante porque los médicos pueden necesitar abrir el mismo registro muchas veces cuando normalmente se cifra solo una vez.

Qué significa esto para pacientes y clínicos

En términos sencillos, este trabajo propone una cerradura más inteligente para los expedientes de salud: una que examina tanto quién llama a la puerta como qué hay dentro de la habitación antes de abrir. Combinando una IA que entiende el lenguaje médico, criptografía que codifica reglas de gran detalle y una blockchain en la que todas las partes pueden confiar, el marco pretende permitir a los clínicos ver exactamente lo que necesitan —ni más ni menos— mientras ofrece a los pacientes una mayor protección contra el uso indebido de sus datos. Si se adoptara ampliamente, sistemas así podrían hacer que compartir registros entre hospitales sea más seguro y fluido, sin obligar a elegir entre privacidad y buena atención.

Cita: Nekouie, A., Vafaei Jahan, M., Moattar, M.H. et al. Secure electronic health record access control via blockchain, dual-attribute encryption, and large language model-based attribute extraction. Sci Rep 16, 8673 (2026). https://doi.org/10.1038/s41598-026-39690-2

Palabras clave: registros electrónicos de salud, privacidad de datos médicos, blockchain en salud, cifrado basado en atributos, modelos de lenguaje clínico