¿Cómo la IA disparó casi 1.000 millones la factura médica en EE.UU.?

La inteligencia artificial prometía aligerar burocracia, reducir errores y devolver tiempo a médicos y pacientes. En Estados Unidos está ocurriendo algo bastante menos futurista: también está aprendiendo a engordar las facturas médicas. Un análisis de la Blue Cross Blue Shield Association calcula que el aumento de la complejidad registrada en las hospitalizaciones generó unos 942 millones de dólares en costes adicionales para sus aseguradoras durante dos años, en un periodo marcado por la rápida expansión de herramientas de IA para documentación y codificación clínica.

El mecanismo no consiste necesariamente en cobrar por operaciones inexistentes ni en que un algoritmo se invente una enfermedad. Es más fino. Los sistemas revisan historiales, notas clínicas y resultados de laboratorio, encuentran diagnósticos secundarios que antes podían quedar sin codificar y permiten situar al paciente en una categoría de mayor complejidad, que suele recibir un reembolso superior. Blue Cross sostiene que las facturas cambiaron mucho más que la atención prestada. Los hospitales responden que sus pacientes son realmente más complejos y que documentar mejor una enfermedad no equivale a inventarla. Ahí está el conflicto.

De un 37% a un 40% de pacientes considerados más complejos

Sobre el papel, el salto parece pequeño. Según el análisis, alrededor del 37% de los ingresos hospitalarios estudiados estaban clasificados como médicamente complejos a comienzos de 2023. A finales de 2025 eran aproximadamente el 40%.

Tres puntos porcentuales. Poco vistoso hasta que se coloca el símbolo del dólar al lado. La asociación calcula que esa mayor intensidad de codificación añadió 942 millones de dólares al gasto soportado por las compañías Blue Cross y Blue Shield. De esa cantidad, unos 653 millones, cerca del 70%, procederían de diagnósticos secundarios que hicieron saltar determinadas hospitalizaciones hacia grupos clínicos con una remuneración mayor. Más de 55.000 casos adicionales habrían pasado a esas categorías respecto al nivel de referencia de 2023.

Lo llamativo para las aseguradoras no es simplemente que aparezcan más enfermedades en los historiales. Es que aseguran no observar un aumento equivalente de la atención clínica asociada a esa supuesta mayor complejidad. Su análisis compara factores como tratamientos, uso de cuidados intensivos, nuevas intervenciones o duración de la estancia y sostiene que esas variables no explican por sí solas el crecimiento de las categorías más caras.

Eso no demuestra automáticamente que los hospitales estén facturando fraudulentamente. Tampoco prueba que la IA haya causado cada dólar de esos 942 millones. La estimación procede de datos de reclamaciones de aseguradoras y no de una auditoría clínica independiente de cada historial, paciente por paciente. La relación causal, por tanto, tiene límites y conviene mantenerlos a la vista.

Cómo puede una palabra en el historial mover miles de dólares

Para entender la batalla hay que entrar unos segundos en la peculiar fontanería financiera de la sanidad estadounidense. Los hospitales no cobran siempre una simple suma por cada prueba, medicamento y hora de trabajo. Buena parte de las hospitalizaciones se clasifican mediante grupos relacionados por diagnóstico, conocidos por las siglas DRG.

El sistema coloca cada ingreso en una categoría atendiendo al diagnóstico principal, los procedimientos realizados, la edad y otros factores, entre ellos determinadas complicaciones y enfermedades secundarias. Cuanto mayor es la severidad atribuida al caso, mayor puede ser también el pago recibido por el hospital.

Un paciente puede ingresar, por ejemplo, para una intervención intestinal. El algoritmo revisa después miles de datos de su expediente y detecta anemia, alteraciones metabólicas, problemas renales u otras circunstancias adicionales. Algunas son clínicamente importantes. Otras pueden proceder de un resultado aislado de laboratorio que anteriormente ningún codificador habría transformado en un diagnóstico independiente.

Si una de esas condiciones cuenta como complicación o comorbilidad relevante, la factura puede subir aunque el paciente haya permanecido los mismos días en la misma habitación y recibido esencialmente el mismo tratamiento. Ahí es donde la IA encuentra un terreno perfecto: leer cantidades enormes de información médica es precisamente una de las cosas que hace bien.

Donde una persona cansada ve treinta páginas de notas, el programa ve cientos de relaciones posibles entre conceptos, resultados y códigos. La eficiencia existe. El problema aparece cuando ser más eficiente documentando significa ser también más eficiente facturando.

La IA no inventó el llamado upcoding

La práctica conocida como upcoding —codificar un caso con una complejidad superior a la que justificaría la atención realmente prestada— es mucho más antigua que los modelos generativos o los escribas clínicos automáticos. Lo nuevo es la escala que permite la automatización.

Un algoritmo puede revisar cada línea del expediente, cada resultado analítico y cada expresión dictada durante una consulta. Los denominados escribas de IA incluso pueden escuchar la conversación entre profesional y paciente, preparar las notas médicas y ayudar posteriormente a estructurar la documentación.

Más del 60% de los sistemas hospitalarios estadounidenses utilizan ya algún tipo de tecnología de IA capaz de intervenir en tareas relacionadas con documentación, análisis de información clínica o gestión del ciclo de ingresos, según los datos manejados por Blue Cross. Lo que antes exigía que un departamento administrativo rebuscara manualmente entre papeles puede hacerse automáticamente sobre miles de pacientes. La vieja lupa se ha convertido en un radar.

Los hospitales responden: sus pacientes están más enfermos

La American Hospital Association rechaza que un aumento de la codificación compleja pueda interpretarse automáticamente como facturación inflada. Su explicación empieza por la demografía: la población envejece, aumentan las enfermedades crónicas y muchos procedimientos relativamente sencillos han abandonado el hospital para realizarse de forma ambulatoria.

Eso deja en las plantas hospitalarias una concentración mayor de enfermos graves. La organización hospitalaria sostiene que el denominado índice de mezcla de casos, una medida utilizada para reflejar la complejidad clínica de los pacientes atendidos, ha aumentado en los últimos años. Parte del crecimiento de los costes, argumenta, se debería precisamente a personas que necesitan más vigilancia, personal y recursos.

Hay otro argumento difícil de despachar de un plumazo: un diagnóstico puede ser verdadero aunque no provoque inmediatamente un tratamiento específico. La medicina no funciona siempre como una máquina expendedora en la que cada enfermedad debe producir una intervención visible para existir. Los hospitales defienden que la IA permite documentar con mayor precisión problemas que antes quedaban enterrados en una nota clínica.

También recuerdan que los profesionales continúan obligados a validar la información y a respetar las reglas de codificación. Desde su perspectiva, considerar sospechoso cualquier aumento en la complejidad registrada equivaldría a culpar al termómetro porque ahora mide mejor la fiebre.

Las aseguradoras también han llevado algoritmos a la pelea

El detalle más incómodo de esta historia es que la inteligencia artificial no vive solamente en el ordenador del hospital. Las aseguradoras llevan años automatizando la revisión de reclamaciones, las autorizaciones y los controles destinados a determinar qué prestación consideran médicamente necesaria y cuánto están dispuestas a pagar.

Los hospitales, por su parte, denuncian que algunas compañías utilizan sistemas automáticos para efectuar reducciones de códigos o denegaciones parciales, obligándoles posteriormente a recurrir la decisión. La disputa, por tanto, no enfrenta a una industria automatizada contra otra que sigue trabajando con archivadores: las dos han llenado la mesa de algoritmos.

El resultado empieza a parecerse menos a una revolución médica y más a una carrera armamentística administrativa. Un algoritmo hospitalario examina el expediente para localizar todo lo que puede justificar un pago mayor. Al otro lado, otro sistema analiza la misma documentación buscando motivos para rebajarlo o rechazarlo. Después entran personas para discutir lo que han decidido las máquinas. La escena tiene algo de comedia burocrática, salvo por un pequeño detalle: alguien paga toda esa maquinaria.

La posibilidad de acabar con agentes automatizados enfrentados entre sí resume bastante bien el problema. Software discutiendo con software mientras el paciente sigue sentado en la sala de espera.

El incentivo económico sigue siendo humano

Conviene no convertir a la inteligencia artificial en el villano de una película que comenzó mucho antes de que existiera. Los algoritmos optimizan el objetivo que encuentran. Si un sistema de pago recompensa una mayor complejidad documentada, aparecerán herramientas capaces de detectarla. Si las aseguradoras obtienen mejores resultados reduciendo pagos considerados injustificados, aparecerán programas especializados en cuestionarlos.

La IA no ha creado esos incentivos. Los ha industrializado. Esa diferencia explica por qué la misma tecnología que puede resumir una historia clínica, detectar interacciones farmacológicas o liberar al médico de horas de papeleo puede utilizarse también para localizar el código que añade varios miles de dólares a una factura.

No hay una gran contradicción tecnológica. Hay incentivos económicos diferentes aplicados sobre herramientas extraordinariamente potentes.

Quién termina pagando los 942 millones

En primera instancia, la cifra corresponde al gasto adicional estimado por las compañías de Blue Cross y Blue Shield analizadas. Pero una aseguradora no es una caja fuerte hermética: sus costes forman parte de los cálculos con los que se fijan las primas de los seguros, las condiciones que pagan las empresas por asegurar a sus trabajadores y, dependiendo del contrato, los desembolsos asumidos por los propios pacientes.

Blue Cross sostiene precisamente que este tipo de incremento acaba ejerciendo presión sobre familias, empleadores y contribuyentes. Eso no significa que cada dólar detectado en el análisis termine automáticamente en la factura de una persona concreta, pero tampoco desaparece por arte de magia dentro de la contabilidad de la aseguradora.

Y ahí aparece la paradoja más interesante. Una tecnología presentada durante años como una vía para reducir el enorme coste administrativo de la sanidad estadounidense puede terminar creando una nueva capa de administración: algoritmos que codifican, algoritmos que auditan, sistemas que rechazan, equipos humanos que recurren y otros sistemas que vuelven a revisar la reclamación.

Más automatización. No necesariamente menos burocracia.

Cuando la eficiencia también aprende a pasar factura

Los 942 millones de dólares no prueban que la inteligencia artificial esté arruinando la sanidad estadounidense ni que todos los hospitales estén manipulando sus cuentas. Sí muestran algo bastante más revelador: cuando una tecnología extraordinariamente poderosa entra en un sistema con incentivos económicos enfrentados, no elimina esos incentivos. Los hace más rápidos.

Blue Cross observa más diagnósticos complejos sin un aumento proporcional de la atención y señala a las herramientas automáticas de codificación. Los hospitales contestan que los pacientes están más enfermos, que muchas patologías se encontraban antes infradocumentadas y que las propias aseguradoras emplean algoritmos para reducir pagos. Las dos industrias tienen dinero en juego, así que ninguna lectura merece aceptarse sin matices.

La promesa médica de la inteligencia artificial sigue intacta en campos que van desde el diagnóstico hasta el descubrimiento de fármacos. Pero esta historia ofrece una versión bastante más terrenal de la revolución tecnológica: antes de curar todas las enfermedades, la máquina ha aprendido una habilidad que el sistema sanitario estadounidense domina desde hace décadas. Leer una historia clínica y preguntarse cuánto vale.