En la actualidad, más personas se ven afectadas por diversas enfermedades como la presión arterial, insuficiencia cardíaca, etc. La predicción temprana de enfermedades tiende a aumentar la supervivencia de los pacientes afectados al permitir la acción preventiva. Un elemento clave para este propósito es la digitalización del sistema de atención médica a través de Internet de las cosas (IoT) y la computación en la nube. Sin embargo, existen problemas importantes en la nube con el IoT debido a predicciones falsas y errores en los datos médicos, lo que resulta en un mayor tiempo para recibir detalles del paciente y no proporcionar el mejor resultado. La transferencia de datos a través de la nube también puede ser hackeada por atacantes debido a la falta de seguridad. Esto supone un desafío para los expertos médicos predecir con precisión las enfermedades para un paciente específico. Por lo tanto, se propuso un nuevo método de cifrado híbrido elapídico (HEE) para mejorar la seguridad de los sistemas en la nube. Además, la enfermedad de la persona afectada y el nivel de riesgo de gravedad fueron predichos y clasificados utilizando la técnica de hibridación propuesta del método de optimización de inteligencia borrosa generalizada basado en lobo gris y hormiga león (GFI-GWALO). Después de predecir la enfermedad, se proporciona una señal de alerta a los pacientes. Además, esta investigación propuesta se implementó en MATLAB. Luego, el resultado de la simulación propuesta se comparó con varios métodos convencionales y mostró que el método propuesto tiene los mejores resultados en términos de su seguridad y predicción de enfermedades con 80 ms de tiempo de cifrado y 78 ms de tiempo de descifrado, 100% de precisión, 99.50% de precisión y 8 ms de tiempo de procesamiento.