HHS lanza iniciativa de inteligencia artificial para detectar fraude y despilfarro en programas de salud federales
El Departamento de Salud y Servicios Humanos está pasando de la detección de IA en tiempo real a "pagar y perseguir" en Medicare, Medicaid, CHIP y Marketplace.
El Departamento de Salud y Servicios Humanos de EE.UU. ha lanzado una iniciativa de inteligencia artificial destinada a detectar fraude y despilfarro en los programas federales de salud, basándose en una estrategia esbozada por primera vez en febrero que promete reemplazar el modelo federal de "pagar y perseguir" con una detección de reclamaciones en tiempo real. Reuters informó sobre el desarrollo el miércoles.
El programa cubre Medicare, Medicaid, el Programa de Seguro Médico para Niños y el Mercado de Seguros Médicos, según un anuncio conjunto del HHS a principios de este año.
En ese lanzamiento de febrero, el secretario del HHS, Robert F. Kennedy Jr., el vicepresidente JD Vance y el administrador del CMS, Mehmet Oz, hicieron el cambio para alejarse de un sistema de pago de reclamos de hace una década y luego investigar lo que la agencia llama un modelo de "detección e implementación", utilizando herramientas de inteligencia artificial para señalar quejas sospechosas en algunos puntos.
Las cifras detrás de esta iniciativa son lo suficientemente grandes como para explicar la urgencia. Según una hoja informativa de CMS, el programa de pago por servicio de Medicare por sí solo representa aproximadamente $28,83 mil millones en pagos inapropiados por año fiscal; La Parte C de Medicare agregó otros $23,67 mil millones.
Un informe separado de la Oficina de Responsabilidad Gubernamental de abril estimó los pagos indebidos en todo el gobierno en alrededor de $186 mil millones para el año, la mayor parte de los cuales se concentró en cinco programas, incluidos Medicare y Medicaid.
El vehículo regulatorio detrás de la iniciativa es una solicitud formal de información que el HHS y el CMS abrieron a fines de febrero, buscando aportes de la industria sobre métodos de análisis, herramientas de inteligencia artificial y métodos de intercambio de datos.
El RFI cierra el 30 de marzo y alimenta una regla propuesta planificada que CMS llama CRUSH, para "regulaciones integrales para divulgaciones cuestionables de atención médica".
La iniciativa de mayo parece ser un paso práctico hacia esa sugerencia, aunque ni el HHS ni el CMS han publicado aún la lista completa de proveedores ni la arquitectura técnica detrás de ella.
Los pilotos se mueven en tándem. La Oficina del Inspector General del HHS probó un modelo de aprendizaje automático que califica estadísticamente a los proveedores por comportamientos de facturación relacionados con fraude y abuso, y CMS informó que los ahorros totales de integridad del programa de Medicare aumentaron un 59 % en el año fiscal 2025, de $26,3 mil millones el año anterior a $41,9 mil millones.
La agencia atribuye parte de ese salto a una mayor evaluación de los nuevos afiliados, incluida una nueva moratoria nacional de seis meses sobre la inscripción en atención médica domiciliaria y cuidados paliativos que entró en vigor el 13 de mayo.
El riesgo real de pasar de la revisión posterior al pago al análisis de IA previo al pago son los falsos positivos para los proveedores. Un reclamo señalado que retrasa el pago en una práctica legítima, especialmente una pequeña, es un evento de liquidez importante. Los grupos de la industria ya han presionado a CMS a través del proceso de RFI, para obtener derechos de apelación claros y umbrales de revisión humana, antes de que se finalice cualquier denegación señalada por AI. Ninguna de esas barreras de seguridad se ha incluido todavía en las regulaciones.
Lo que el HHS no reveló: qué proveedores de modelos se están utilizando, si el sistema funcionará con datos de reclamaciones no identificados o totalmente identificables, y cómo la agencia auditará las tasas de error de los propios modelos.
La reglamentación aplastante es el documento en el que, en última instancia, deben perdurar esas respuestas. Por ahora, la iniciativa se pone en marcha en un contexto de cifras de pagos inapropiados inusualmente grandes y un apetito federal por la IA que, según los estándares recientes, es inusualmente alto.
