¿Qué ocurre cuando una factura hospitalaria parece crecer sin que el paciente haya recibido un tratamiento distinto? En Estados Unidos, esa diferencia ya no depende solo de una persona revisando papeles: también intervienen sistemas de inteligencia artificial que leen el historial como si buscaran una pieza escondida.
Un informe de la Blue Cross Blue Shield Association (BCBSA), publicado en septiembre de 2026, revela que los hospitales usan IA para detectar diagnósticos secundarios que podían haber quedado fuera de la documentación inicial. Esos hallazgos pueden elevar el nivel de gravedad de un ingreso y, con ello, el pago que recibe el centro.
La misma tecnología abrió una respuesta del otro lado. Las aseguradoras también emplean IA para revisar expedientes, identificar inconsistencias y rechazar pagos que consideran injustificados. La disputa entre hospitales y aseguradoras ya repercute en las cuentas, los plazos y la tranquilidad de millones de pacientes.
Según BCBSA, esta dinámica generó 942 millones de dólares en costes adicionales para sus planes de salud entre 2023 y 2025. La asociación detectó más de 55.000 ingresos con una complejidad mayor de la esperable, con un pago medio de 11.800 dólares por caso.
Luke Chalker, vicepresidente sénior de producto y ciencia de datos de BCBSA, subraya una señal central: si los pacientes fueran realmente más graves, debería observarse un nivel mayor de tratamiento. La entidad atribuye el 70% de la facturación adicional, unos 653 millones de dólares, a diagnósticos que no modificaron la atención médica.
El engranaje que cambia una factura
El mecanismo se parece a revisar una casa con una linterna más potente. El personal médico ve las habitaciones principales: una operación, una infección o una lesión. El software recorre además cajones, tuberías y rincones: resultados de laboratorio, notas clínicas e historiales previos.
Así puede encontrar anemia después de una cirugía o hiponatremia leve, una concentración baja de sodio en la sangre. Muchas de estas condiciones surgen de un único valor analítico. Para una máquina, ese dato funciona como un interruptor: si cruza cierto umbral, propone añadir un diagnóstico.
La pieza clave no es solo detectar el problema, sino decidir si cambia la categoría económica del ingreso. Medicare organiza las hospitalizaciones en tres niveles de gravedad y cada escalón tiene un reembolso distinto. Un diagnóstico secundario puede llevar el caso a un nivel más caro aunque el tratamiento siga igual.
BCBSA llama a esta alerta “discordancia clínica”, la diferencia entre un diagnóstico añadido y el tratamiento que normalmente debería acompañarlo. Es como encontrar una etiqueta que dice “avería grave” en un coche, pero no ver reparaciones, repuestos ni más horas de taller que respalden esa advertencia.
Dos algoritmos frente al mismo historial
Los datos sobre procedimientos intestinales mayores muestran la dimensión del cambio. Entre 2023 y 2025, las reclamaciones de máxima complejidad pasaron del 20,2% al 22,7%, mientras los casos simples bajaron del 36,6% al 32,8%. Solo esa clase de intervenciones añadió 60,8 millones de dólares en costes.
En los hospitales con mayor crecimiento de codificación, los diagnósticos de anemia fueron un 38% más frecuentes que en centros comparables. Sin embargo, las transfusiones fueron menos habituales: 16,9% frente a 19,3%. Para la aseguradora, esa brecha es una señal; para los hospitales, no prueba por sí sola que el diagnóstico sea incorrecto.
La Asociación Americana de Hospitales sostiene que los pacientes actuales son más mayores y tienen una complejidad clínica superior. También defiende que la IA permite reflejar con mayor precisión el estado real de cada persona, sin depender de que todos los detalles hayan quedado consignados a mano.
Del otro lado, las aseguradoras aplican programas similares para buscar motivos de denegación. El Senado de Estados Unidos documentó que UnitedHealthcare rechazó en 2022 el 22,7% de las solicitudes de cuidados posteriores al alta en Medicare Advantage, un sistema privado vinculado a Medicare.
Christopher Whaley, economista de la salud de la Universidad Brown, describe el fenómeno como una “carrera armamentística administrativa”. El riesgo es que la IA acelere decisiones financieras antes de aclarar qué necesita realmente el paciente.
La oportunidad, entonces, no está en apagar esta nueva maquinaria, sino en colocar controles claros sobre su cableado. Cuando el sistema explique cada decisión, la tecnología podrá acercarse más a una herramienta de cuidado que a otra capa de incertidumbre en la factura.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
