Los dispositivos del Internet de las Cosas Médicas (en inglés Internet of Medical Things – IoMT), supervisan en tiempo real el estado de salud, incluyendo en algunos casos el suministro terapéutico. Estos dispositivos presentan vulnerabilidades críticas que suponen una amenaza para la privacidad de los datos y la integridad física de los pacientes. En este trabajo se presenta cómo las técnicas de ML son eficientes para la detección de ciberataques en redes de Internet de las Cosas Médicas. A partir de un dataset público de tráfico de red IoMT se han entrenado algoritmos conocidos de ML para evaluar su eficiencia y requerimientos computacionales y temporales. Se concluye que, para este tipo de redes, las técnicas sencillas de ML son herramientas útiles para el diseño de sistemas de detección de intrusión ligeros. El trabajo propone una matriz de asignación para distintos ataques y técnicas ML, dadas unas restricciones de eficiencia mínimas.