Los avances en dispositivos médicos portátiles utilizando la tecnología IoT están moldeando el sistema de salud moderno. Con la aparición de Internet de las Cosas en la Salud (IoHT), se pueden brindar servicios de salud eficientes a los pacientes. Los profesionales de la salud han utilizado de manera efectiva modelos basados en IA para analizar los datos recopilados de los dispositivos IoHT para tratar diversas enfermedades. Los datos deben procesarse y analizarse evitando violaciones de privacidad, cumpliendo con las normas legales, como HIPAA y GDPR. El aprendizaje federado (FL) es un enfoque basado en el aprendizaje automático que permite a múltiples entidades entrenar un modelo de ML de manera colaborativa sin compartir sus datos. Es particularmente beneficioso en el sector de la salud, donde la privacidad y la seguridad de los datos son preocupaciones importantes. Aunque el FL aborda algunas preocupaciones de privacidad, aún no hay una prueba formal de garantías de privacidad para los datos de IoHT. Las tecnologías para mejorar la privacidad (PETs) son herramientas y técnicas diseñadas para mejorar la privacidad y la seguridad de las comunicaciones en línea y el intercambio de datos. Las PETs proporcionan una variedad de funciones que ayudan a proteger la información personal de los usuarios y los datos sensibles del acceso no autorizado y el rastreo. Este documento revisa de manera integral las PETs relacionadas con el FL en el escenario de IoHT e identifica varios desafíos clave para futuras investigaciones.