HHS lanza iniciativa de IA para detectar fraude y desperdicio en programas de salud federales
El Departamento de Salud y Servicios Humanos está pasando de un modelo de “pagar y perseguir” a un cribado de IA en tiempo real en Medicare, Medicaid, CHIP y el Mercado.
El Departamento de Salud y Servicios Humanos de EE. UU. ha lanzado una iniciativa de inteligencia artificial destinada a detectar fraudes y desperdicios en los programas de salud federales, basándose en una estrategia presentada por primera vez en febrero que promete reemplazar el modelo federal de “pagar y perseguir” con un cribado en tiempo real de las reclamaciones antes de que sean pagadas. Reuters informó sobre el desarrollo el miércoles.
El programa cubre Medicare, Medicaid, el Programa de Seguro de Salud para Niños y el Mercado de Seguros de Salud, según el anuncio conjunto de HHS de principios de este año.
En ese lanzamiento de febrero, el Secretario de HHS, Robert F. Kennedy Jr., el Vicepresidente JD Vance y el Administrador de CMS, Mehmet Oz, enmarcaron el cambio como un movimiento de un enfoque de décadas de pagar reclamaciones primero e investigar después a lo que la agencia llama un modelo de “detectar y desplegar”, utilizando herramientas de IA para señalar reclamaciones sospechosas en el punto de adjudicación.
Los números detrás del impulso son lo suficientemente grandes como para explicar la urgencia. El programa de pago por servicio de Medicare solo hizo un estimado de $28.83 mil millones en pagos impropios en el año fiscal 2025, según una hoja informativa de CMS; Medicare Parte C añadió otros $23.67 mil millones.
Un informe separado de la Oficina de Responsabilidad del Gobierno en abril situó los pagos impropios a nivel gubernamental en aproximadamente $186 mil millones para el año, con la mayor parte concentrada en cinco programas, incluidos Medicare y Medicaid.
El vehículo regulatorio detrás de la iniciativa es una Solicitud Formal de Información que HHS y CMS abrieron a finales de febrero, solicitando la opinión de la industria sobre metodologías analíticas, herramientas de IA y enfoques de intercambio de datos.
La RFI cerró el 30 de marzo y alimenta una propuesta de regla planificada que CMS ha estado llamando CRUSH, por “Regulaciones Integrales para Descubrir Atención Médica Sospechosa”.
La iniciativa de mayo parece ser el paso operativo que sigue de esa consulta, aunque ni HHS ni CMS han publicado aún la lista completa de proveedores o la arquitectura técnica detrás de ella.
Los pilotos han estado funcionando en paralelo. La Oficina del Inspector General de HHS ha probado un modelo de aprendizaje automático que puntúa a los proveedores por comportamientos de facturación estadísticamente asociados con fraude y abuso, y CMS informó que los ahorros totales en la integridad del programa 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 aumento a un cribado mejorado de nuevos inscritos, incluido un moratorio nacional de seis meses sobre nuevas inscripciones en atención médica domiciliaria y hospicios que entró en vigor el 13 de mayo.
El riesgo sustantivo al pasar de la revisión posterior al pago a un cribado de IA previo al pago es lo que los falsos positivos hacen a los proveedores. Una reclamación señalada que retrasa el pago a una práctica legítima, particularmente una pequeña, es un evento de liquidez material. Los grupos de la industria ya han presionado a CMS, a través del proceso de RFI, por derechos de apelación claros y umbrales de revisión humana antes de que cualquier denegación señalada por IA se convierta en definitiva. Ninguno de esos límites se ha escrito aún en la regla.
Lo que HHS no ha divulgado: qué proveedores de modelos se están utilizando, si el sistema operará con datos de reclamaciones desidentificados o completamente identificables, y cómo la agencia auditará las propias tasas de error de los modelos.
La elaboración de reglas de CRUSH es el documento en el que eventualmente tendrán que vivir esas respuestas. Por ahora, la iniciativa se pone en marcha en un contexto de números de pagos impropios inusualmente grandes y un apetito federal por la IA en cumplimiento que, según los estándares recientes, es inusualmente alto.
Obtén el boletín de TNW
Recibe las noticias tecnológicas más importantes en tu bandeja de entrada cada semana.
Otros artículos
HHS lanza iniciativa de IA para detectar fraude y desperdicio en programas de salud federales
HHS ha lanzado una iniciativa de IA para examinar en tiempo real las reclamaciones de Medicare, Medicaid, CHIP y el Mercado en busca de fraude, reemplazando el antiguo modelo de "pagar y perseguir".
