En la era de la Cuarta Revolución Industrial, la creciente demanda de recopilación y compartición de datos con fines de análisis ha generado preocupaciones sobre violaciones de privacidad. Proteger la privacidad individual durante la recopilación y difusión de información sensible ha surgido como una preocupación crítica. En este documento, proponemos un marco de preservación de la privacidad para recopilar microdatos médicos de usuarios, utilizando la geo-indistinguibilidad (Geo-I), un concepto basado en la conocida privacidad diferencial. Adaptamos Geo-I, originalmente diseñado para proteger la privacidad de la información de ubicación, para recopilar microdatos médicos minimizando la reducción en la utilidad de los datos. Para mitigar la reducción en la utilidad de los datos causada por el mecanismo de perturbación de Geo-I, proponemos una técnica de perturbación de datos novedosa que utiliza la información de distribución previa de los datos recopilados. El marco propuesto permite la recopilación de microdatos perturbados con una distribución similar a la del conjunto de datos original, incluso en escenarios que requieren altos niveles de protección de privacidad, lo que normalmente exige significativas perturbaciones en los datos originales. Evaluamos el rendimiento de nuestros algoritmos propuestos utilizando datos del mundo real y demostramos que nuestro enfoque supera significativamente a los métodos existentes, garantizando la privacidad del usuario mientras se preserva la utilidad de los datos en la recopilación de datos médicos.