Internet de las cosas (IoT) está trayendo una revolución en el mundo actual donde los dispositivos de nuestro entorno se vuelven inteligentes y realizan actividades y operaciones cotidianas con mayor precisión. La arquitectura de IoT es heterogénea, proporcionando autonomía a los nodos para que puedan comunicarse con otros nodos e intercambiar información en cualquier momento. IoT y la atención médica juntos proporcionan instalaciones notables para el monitoreo de pacientes. Sin embargo, uno de los desafíos más críticos es la identificación de nodos maliciosos y comprometidos. En este artículo, proponemos un enfoque de gestión de confianza basado en aprendizaje automático para nodos periféricos para identificar nodos con comportamiento malicioso. El mecanismo propuesto utiliza componentes de confianza de conocimiento y experiencia, donde el conocimiento se basa además en varios parámetros. Para prevenir la ejecución exitosa de ataques de halagos y difamaciones, el enfoque propuesto utiliza nubes periféricas, es decir, centros de datos locales, para recopilar recomendaciones y evaluar la confianza indirecta y agregada. La confiabilidad de los nodos se clasifica dentro de un límite específico, y solo aquellos nodos que satisfacen el valor umbral pueden participar en la red. Para validar el rendimiento del enfoque propuesto, hemos realizado extensas simulaciones en comparación con enfoques existentes. Los resultados muestran la efectividad del enfoque propuesto contra varios ataques potenciales.