La guerra de la inteligencia artificial entre hospitales y aseguradoras deja a los pacientes en medio
La inteligencia artificial está transformando la gestión sanitaria en Estados Unidos, pero no solo para detectar enfermedades en pruebas médicas. Hospitales y aseguradoras están utilizando estos sistemas para analizar historiales, revisar tratamientos y decidir cuánto se paga por cada paciente. El resultado es una creciente pugna tecnológica que puede elevar los costes y complicar el acceso a la atención médica.
En un lado están los hospitales, que emplean herramientas de IA para identificar afecciones adicionales en las historias clínicas y documentarlas con mayor precisión. En el otro, las compañías aseguradoras aplican sistemas similares para revisar esas mismas anotaciones y encontrar motivos para rechazar o limitar el pago de tratamientos.
El paciente queda en medio de esta disputa, que enfrenta a algoritmos especializados en justificar una atención más compleja con otros diseñados para cuestionarla.
La IA no sustituye al médico: reorganiza la información clínica
En este caso, la inteligencia artificial no se dedica principalmente a descubrir lesiones ocultas en una radiografía ni a emitir un diagnóstico de forma autónoma. Su función consiste en leer grandes cantidades de información: resultados analíticos, notas médicas, antecedentes, tratamientos previos y evolución del paciente.
Con esos datos, el sistema puede relacionar síntomas y procedimientos que aparecen dispersos en el historial. Por ejemplo, puede detectar que una persona desarrolló anemia después de una operación o que recibió meses de fisioterapia antes de someterse a una intervención de espalda.
Estas relaciones pueden ser relevantes desde el punto de vista médico, pero también tienen consecuencias económicas. En Estados Unidos, el programa Medicare clasifica los ingresos hospitalarios en categorías relacionadas con la gravedad y la complejidad del paciente. Cada categoría recibe una compensación diferente.
Las herramientas de IA utilizadas para la documentación clínica pueden, por tanto, hacer aflorar diagnósticos secundarios que antes no quedaban reflejados en la factura. Un diagnóstico secundario es una enfermedad o complicación adicional a la causa principal del ingreso. Cuando eleva la categoría de gravedad, el hospital puede recibir un pago mayor.
Más diagnósticos documentados y facturas más elevadas
La Asociación BlueCross estima que el aumento de pacientes clasificados con afecciones complejas generó un gasto adicional de 942 millones de dólares entre 2023 y 2025. Según sus cálculos, cerca del 70 % de esos casos se explicaría por diagnósticos secundarios que elevaron el ingreso a una categoría más costosa.
Las organizaciones hospitalarias rechazan que se trate simplemente de una estrategia para inflar las facturas. La Asociación Americana de Hospitales sostiene que los pacientes actuales son, en promedio, mayores y presentan situaciones clínicas más complejas. Desde su perspectiva, la IA permite registrar mejor una realidad médica que ya existía, pero que no siempre se reflejaba correctamente en la documentación.
El grupo hospitalario McLaren, con actividad en Michigan, ha señalado que el uso de estas herramientas le permite ingresar alrededor de un millón de dólares adicionales al mes gracias a una gestión más detallada de los diagnósticos. La cifra ilustra el impacto que puede tener automatizar la revisión de miles de historiales.
Las aseguradoras responden con sus propios algoritmos
Las compañías de seguros médicos también utilizan inteligencia artificial para examinar las solicitudes de los hospitales. Estos sistemas buscan incoherencias, información insuficiente o criterios que permitan cuestionar la necesidad de un procedimiento.
Uno de los procesos más afectados es la autorización previa. Se trata del permiso que una aseguradora exige antes de pagar determinados tratamientos, pruebas o intervenciones. La compañía revisa la historia del paciente y decide si la atención solicitada cumple sus normas de cobertura.
La automatización puede acelerar esas decisiones, pero también aumentar el número de rechazos. Un informe del Senado estadounidense indicó que UnitedHealthcare denegó en 2022 el 22,7 % de las solicitudes de cuidados posteriores al alta dentro de Medicare Advantage, el programa de seguros privados que gestiona la atención de numerosos beneficiarios de Medicare.
El problema no se limita a una posible decisión incorrecta de un algoritmo. También puede aparecer cuando el sistema hospitalario y el de la aseguradora interpretan de forma distinta la misma información. Una herramienta intenta encontrar elementos que justifiquen una atención más cara y la otra busca argumentos para no asumir ese coste.
Una escalada tecnológica con impacto en las primas
Esta dinámica está creando una especie de carrera armamentística basada en IA. Los hospitales invierten en sistemas de documentación y codificación clínica, mientras que las aseguradoras destinan recursos a plataformas de auditoría y detección de errores.
La codificación clínica consiste en traducir diagnósticos, procedimientos y complicaciones a categorías administrativas que se utilizan para facturar y calcular pagos. No es lo mismo que diagnosticar a un paciente, pero puede influir decisivamente en la cantidad que se abona por su atención.
El Peterson Health Technology Institute advierte de que el uso masivo de estas herramientas puede aumentar el papeleo y trasladar más carga administrativa a médicos y pacientes. Su directora, Caroline Pearson, considera que ambas partes siguen invirtiendo porque la automatización parece una solución barata frente al coste de mantener grandes equipos de revisión.
Sin embargo, el ahorro de una compañía puede convertirse en un coste adicional para el conjunto del sistema. La consultora sanitaria Marsh prevé que el gasto sanitario que deben asumir los empleados estadounidenses aumente un 8,2 % en 2027, el mayor incremento desde 2003.
La IA no ha creado los incentivos económicos del sistema sanitario estadounidense, pero sí puede amplificarlos. Al analizar historiales a una velocidad imposible para una persona, hace más rápida y extensa la búsqueda de argumentos para cobrar o denegar. La cuestión pendiente es quién supervisará esas decisiones y qué mecanismos tendrán los pacientes para recurrirlas cuando un algoritmo se equivoque.
