Resumen El aprendizaje federado es un método prometedor para desarrollar modelos de IA médica colaborativos y que preservan la privacidad en áreas geográficas dispersas. Si bien el aprendizaje federado permite el desarrollo de modelos de imágenes robustos y generalizables aprovechando diversas fuentes de datos distribuidas en diferentes instituciones, aún no se ha estandarizado por completo y quedan numerosos problemas abiertos por resolver. Estos incluyen interoperabilidad, vulnerabilidades de seguridad, estrategias óptimas para la agregación de modelos y salvaguarda de la privacidad. En esta revisión crítica, se ha realizado una exhaustiva encuesta de los métodos de aprendizaje federado en el análisis de imágenes por RM. En particular, se investigaron parámetros como los modelos utilizados, conjuntos de datos, técnicas de armonización, métodos de agregación, medidas de seguridad y privacidad, implementaciones en el
Markodimitrakis et al. (Wed,) estudiaron esta cuestión.