La industria de la salud ha mostrado recientemente mucho interés en el Internet de las Cosas (IoT). Internet de las Cosas Médicas (IoMT) es un componente de los IoT en el cual los aparatos médicos transmiten información para comunicar datos críticos. El crecimiento del IoMT ha sido facilitado por la inclusión de equipos médicos en el IoT. Estos avances permiten que el sector de la salud interactúe y cuide a sus pacientes de manera efectiva. Cada tecnología que depende del IoT puede enfrentar un desafío de seguridad serio. Los datos críticos de conectividad del IoT pueden ser expuestos, modificados o incluso hacerse inaccesibles para los usuarios autenticados en caso de tales ataques. En consecuencia, proteger los sistemas de IoT/IoMT de los ciberataques se ha vuelto esencial. Por lo tanto, este documento propone un enfoque basado en el aprendizaje automático y en el aprendizaje profundo para crear un modelo efectivo en el sistema IoMT para clasificar y predecir ciberataques/amenazas imprevistos. Primero, el conjunto de datos se procesa de manera eficiente y se emplea el algoritmo de Optimización del Halcón de Harris (HHO) para seleccionar la característica optimizada. Finalmente, se aplican algoritmos de aprendizaje automático y de aprendizaje profundo para detectar ciberataques en IoMT. Los resultados revelan que el enfoque propuesto logró una precisión del 99.85%, superando a otras técnicas y estudios existentes.