En plena transformación digital de los sistemas de salud, un fenómeno hasta ahora relegado a debates técnicos ha irrumpido con fuerza en la agenda pública: la carrera armamentística de la inteligencia artificial (IA) en los procesos de revisión de utilización de seguros médicos (utilization review o UR).
El artículo “The AI Arms Race in Health Insurance Utilization Review”, publicado en Health Affairs a comienzos de este año, advierte que las aseguradoras de salud en Estados Unidos están desplegando con rapidez herramientas basadas en IA para decidir qué tratamientos, pruebas y procedimientos cubren o rechazan —una práctica que puede afectar profundamente tanto los resultados clínicos como los costos y la equidad en el acceso a la atención sanitaria.
La revisión de utilización es un proceso mediante el cual las compañías de seguros evalúan si un servicio médico que ha solicitado un profesional de la salud cumple los criterios para ser cubierto. Tradicionalmente, este proceso ha implicado revisión manual por parte de expertos clínicos, lo que lo hacía lento, costoso y susceptible a variaciones subjetivas.
Sin embargo, los avances en algoritmos de aprendizaje automático y grandes modelos de lenguaje han permitido a las aseguradoras automatizar o “apoyar” estas decisiones con IA. El estudio plantea que esta automatización representa hoy una carrera armamentística tecnológica entre aseguradoras y proveedores de salud para influir en qué se considera “apropiado” o “necesario” en la atención médica.
Populismo tecnológico: ¿eficiencia o control?
Los defensores del uso de IA en utilization review argumentan que estas herramientas pueden agilizar el proceso de autorización, reducir errores humanos y disminuir la burocracia que con frecuencia retrasa tratamientos necesarios. Con algoritmos entrenados en grandes volúmenes de datos clínicos y de reclamaciones, las aseguradoras pueden detectar patrones, identificar tratamientos de alto valor y estimar riesgos con una velocidad inalcanzable para equipos humanos. Esta promesa de eficiencia podría traducirse en menores costos operativos y mayor rapidez en las decisiones sobre cobertura médica.
No obstante, el informe de Health Affairs advierte que esta carrera por la adopción de IA también puede consolidar mecanismos de control más estrictos sobre lo que se considera “médicamente necesario”, con poca transparencia sobre cómo funcionan los algoritmos y qué criterios subyacen a sus decisiones. Esta falta de transparencia puede erosionar la confianza de profesionales de la salud y pacientes, y generar un clima donde las decisiones sobre tratamientos —desde medicación hasta intervenciones complejas— dependan de criterios opacos codificados en software propietario.
Una de las principales preocupaciones expresadas en el artículo es el impacto en la relación entre médicos, pacientes y aseguradoras. Si las decisiones de cobertura se basan cada vez más en evaluaciones automáticas, sin una explicación clara, los médicos podrían verse obligados a justificar tratamientos ante sistemas algorítmicos que no siempre comprenden la complejidad clínica individual. Esto podría generar tensiones éticas: ¿debe un médico seguir un tratamiento que considera mejor para su paciente, aunque un modelo de IA indique que no cumple criterios? ¿Qué derechos tiene un paciente para apelar decisiones automatizadas?
Además, el uso extensivo de IA en estos procesos podría crear nuevas desigualdades de acceso. Si los algoritmos están entrenados en datos sesgados —por ejemplo, que reflejan disparidades históricas entre grupos raciales o socioeconómicos—, sus decisiones podrían perpetuar o incluso ampliar esas inequidades en acceso a tratamientos de valor. Investigaciones previas han documentado que las IA en salud pueden heredar sesgos de sus datos de entrenamiento si no se controlan cuidadosamente, con consecuencias negativas para pacientes vulnerables.
El artículo también subraya que el uso de IA en utilization review plantea desafíos regulatorios y éticos significativos. A diferencia de las herramientas médicas que se utilizan directamente para diagnóstico o tratamiento —que suelen requerir aprobación formal de organismos como la FDA en Estados Unidos—, los sistemas de apoyo a decisiones de cobertura caen en una zona gris regulatoria. Esto deja a los responsables políticos y agencias de salud con decisiones pendientes sobre si y cómo supervisar el uso de IA en estos procesos para proteger los derechos de los pacientes.
Entre las opciones de política pública que se discuten en la comunidad académica se encuentra la creación de estándares mínimos de transparencia algorítmica, requisitos de auditoría independiente y mecanismos que permitan a los pacientes y a los proveedores entender por qué una herramienta automatizada ha rechazado una autorización médica. También se debate la necesidad de integrar principios de equidad y justicia algorítmica desde el diseño de estos sistemas.
Impacto económico y de mercado
Además de las implicaciones clínicas y éticas, la adopción de IA en utilization review forma parte de una competencia económica entre actores del sistema de salud. Las aseguradoras buscan reducir costos y diferenciarse en un mercado altamente competitivo, mientras que los proveedores enfrentan presiones para demostrar la “medicalidad” de los tratamientos que proponen.
La IA se convierte así en una herramienta de poder negociador, que puede influir no sólo en decisiones clínicas individuales, sino en patrones de cuidado más amplios, como qué procedimientos se consideran estándar, qué tecnologías médicas se adoptan y cómo se valoran diferentes aproximaciones terapéuticas.
Esta dinámica se sitúa en un contexto más amplio de debate sobre los mecanismos de pago y control de costos en la atención médica, donde la tecnología —incluida la IA— se promociona a menudo como una vía para reducir gastos excesivos sin necesariamente cuestionar reformas estructurales como la ampliación de cobertura o la simplificación de sistemas de pago.
Expertos en políticas de salud han advertido que tecnologías como la IA pueden ser una herramienta de doble filo: por un lado, pueden aportar eficiencia y velocidad, pero por el otro, pueden reforzar estructuras de poder existentes sin resolver problemas de fondo como la fragmentación del sistema de salud, los altos costos o la falta de acceso universal.
Una analogía similar se ha discutido respecto al uso general de IA en el sector sanitario, donde se estima que su adopción podría ahorrar entre 5 % y 10 % del gasto sanitario total en Estados Unidos —pero sólo si se implementa con atención a equidad y calidad —, mientras que sin esa atención los beneficios podrían no realizarse plenamente.
Frente a estos desafíos, el artículo de Health Affairs sugiere que la supervisión de la IA en utilization review no puede limitarse a requisitos técnicos internos de las aseguradoras. Debe formarse un enfoque multidimensional que incluya manifestaciones regulatorias, evaluación independiente, participación de profesionales de la salud y mecanismos de apelación accesibles para pacientes. Esto ayudaría a balancear la eficiencia operativa con la protección de derechos clínicos y éticos en la atención sanitaria.
