Inteligencia Artificial y salud pública parecen una combinación prometedora sobre el papel.
La tecnología entra como aliada para recortar gastos innecesarios, identificar fraudes y agilizar procesos que, históricamente, dependen de montañas de burocracia y horas de trabajo manual.
Pero, ¿qué pasa cuando esa promesa se topa con la realidad de médicos sobrecargados, pacientes que necesitan tratamiento urgente y un sistema implantado a las apuradas?
Es exactamente lo que está ocurriendo ahora en Estados Unidos con el WISeR, el nuevo programa de autorización previa del Medicare alimentado por IA.
En lugar de simplificar, el sistema viene generando una fila creciente de confusión — con errores que parecen sacados de un algoritmo despistado, demoras que llegan a semanas y pacientes que, literalmente, están pensando en cruzar fronteras estatales para escapar del proceso. 😬
A continuación, vas a entender qué hay detrás de este escenario, cómo funciona el programa y por qué los especialistas ya están cuestionando si la solución no está creando un problema todavía mayor que el que vino a resolver.
Qué es el WISeR y cómo entró en la ecuación del Medicare
El WISeR — sigla en inglés de Wasteful and Inappropriate Service Reduction Model, algo así como Modelo de Reducción de Servicios Innecesarios e Inadecuados — es un sistema basado en inteligencia artificial desarrollado para el triaje y análisis de solicitudes de autorización previa dentro del programa Medicare, el plan de salud federal estadounidense dirigido a personas de 65 años o más y pacientes con determinadas condiciones y discapacidades. La propuesta inicial era bastante razonable: usar algoritmos para revisar solicitudes de procedimientos médicos antes de aprobarlos, filtrando casos sospechosos de fraude o uso innecesario de recursos públicos. En teoría, esto ahorraría dinero al gobierno federal y protegería a los pacientes de tratamientos potencialmente inseguros o innecesarios.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
El detalle importante aquí es que, durante años, el Medicare tradicional evitó justamente esa práctica — también conocida como prior authorization —, que exige que el paciente o alguien del equipo médico busque la aprobación del plan antes de avanzar con determinados procedimientos, estudios y prescripciones. El programa fue anunciado en junio de 2025 y entró en funcionamiento a mediados de enero de 2026, arrancando como un piloto en seis estados: Oklahoma, Arizona, Nueva Jersey, Ohio, Texas y Washington. En total, son 13 servicios médicos sujetos a este nuevo análisis, elegidos porque la administración federal los considera más propensos a fraudes o uso indebido.
Entre esos procedimientos están las inyecciones epidurales en la columna, utilizadas para tratar dolores de espalda, y la cifoplastia, una cirugía para fracturas vertebrales que ya fue señalada como excesivamente utilizada por una comisión consultiva del propio Medicare. También entran en la lista los llamados sustitutos de piel, cuyo gasto se disparó casi un 700% en apenas dos años, según una alerta del inspector general del Departamento de Salud y Servicios Humanos estadounidense, lo que levantó preocupaciones serias sobre desperdicio, fraude y abuso.
Para entender mejor el impacto, hay que tener presente la escala del Medicare. Cualquier disfunción en ese sistema, por pequeña que parezca sobre el papel, se multiplica rápidamente. Y los relatos que llegan desde hospitales, clínicas y consultorios en los estados piloto sugieren que la transición está lejos de ser tranquila — algunos profesionales llegaron a describir la implementación como horrible. 😕
Una implantación demasiado acelerada
Una de las principales críticas al WISeR es simple y directa: todo pasó demasiado rápido. Entre el anuncio en junio de 2025 y el lanzamiento en enero de 2026, el intervalo fue considerado más corto de lo normal para el ritmo habitual del gobierno federal. En la práctica, eso significó que médicos y equipos administrativos tuvieron que descubrir cómo funcionaba el sistema prácticamente sobre la marcha, sin el tiempo de adaptación que un cambio de esa magnitud normalmente exige.
Los propios contratistas que operan la tecnología reconocen el ritmo apretado. Jeremy Friese, presidente ejecutivo de Humata Health, proveedora responsable de Oklahoma, admitió que hubo una implantación agresiva desde el momento de la notificación hasta la entrada en operación. Ejecutivos de tecnología que atienden otros estados afirmaron que todavía estaban añadiendo funcionalidades a sus productos durante la primavera estadounidense, es decir, con el sistema ya en marcha y atendiendo pacientes reales.
Del lado de la administración, Abe Sutton, director del centro responsable de la innovación en el Medicare, no comentó directamente el cronograma, pero reforzó que el objetivo de las reformas es hacer la autorización previa eficiente, rápida y simplificada. Según él, el modelo busca reducir tratamientos inadecuados sin retrasar los cuidados apropiados. Por su parte, Mehmet Oz, al frente de los Centros de Servicios del Medicare y Medicaid, declaró que el propósito del programa no es negar atención, sino garantizar que el paciente reciba el cuidado que realmente necesita, y no el que algún profesional sin escrúpulos quiera aplicar. Cabe señalar que incluso Sutton reconoció que el porcentaje de profesionales que cometen fraude o abuso es pequeño.
Errores sistemáticos: cuando el algoritmo no entiende el contexto clínico
Aunque los proveedores afirman que son humanos quienes toman la decisión final sobre las aprobaciones, los médicos y sus equipos creen que la inteligencia artificial desempeña un papel central en el proceso — y que algunas negativas son resultado de alucinaciones de la IA, donde el sistema distorsiona o directamente inventa información. Los relatos son preocupantes y bastante concretos.
Un médico de Arizona, que no fue autorizado por su clínica a identificarse, contó que recibió una negativa alegando que su paciente no era elegible para procedimientos en la región torácica, es decir, en la parte central de la espalda. El problema es que el paciente necesitaba una inyección en el cuello — una región completamente diferente. En otro caso, James Webb, radiólogo musculoesquelético de Tulsa, en Oklahoma, documentó cuatro veces que un paciente no presentaba adormecimiento, y aun así su solicitud fue rechazada citando justamente adormecimiento, que según la interpretación del revisor inviabilizaría el procedimiento quirúrgico en la columna.
Este tipo de inconsistencia revela la incapacidad del sistema para interpretar el contexto clínico completo de un paciente. El algoritmo trabaja con patrones de datos históricos, códigos de procedimiento y diagnósticos estandarizados — pero la práctica médica rara vez cabe dentro de cajones tan bien definidos. Jennifer Valle, supervisora de precertificación en una clínica de radiología de Oklahoma, relató que, en el caso de las cifoplastias, hay mucha exigencia excesiva por parte de los revisores. En otras situaciones, información que la clínica envía termina siendo ignorada, y los revisores piden imágenes que ya están en el expediente. Friese, de Humata, afirmó que no escuchó hablar de ninguna alucinación de la IA — una respuesta que contrasta fuertemente con lo que los profesionales de salud están viviendo en el día a día.
Especialistas en inteligencia artificial aplicada a la salud ya venían alertando sobre este tipo de riesgo. Los modelos entrenados con datos históricos tienden a reproducir los sesgos e inconsistencias que ya existían en esos datos, y cuando se aplican a decisiones con impacto directo en la salud de las personas, cualquier margen de error se vuelve éticamente problemático. Lo que se está observando ahora no es una sorpresa técnica — es la confirmación práctica de un riesgo ya documentado y discutido en publicaciones especializadas. 😕
Demoras que cuestan más que tiempo
Las demoras generadas por el sistema no son solo una cuestión de inconveniente administrativo. El sistema médico de la Universidad de Washington, por sí solo, llegó a tener casi 100 pacientes esperando inyecciones epidurales por retrasos vinculados al WISeR, según un informe de abril del despacho de la senadora Maria Cantwell, basado en datos de asociaciones hospitalarias. El documento fue directo al señalar que los pacientes ahora están sujetos a demoras o negativas que simplemente no existían antes del modelo.
El Medicare informa que las decisiones deben devolverse en un máximo de 72 horas, y que las solicitudes sin problemas deberían pagarse en 15 días. En la práctica, la historia es muy diferente. Webb, el radiólogo de Tulsa, afirmó que viene viendo retrasos de seis a ocho semanas en los reembolsos. Jerry Sobel, médico especialista en tratamiento del dolor en la zona de Phoenix, describió la situación como horrible desde el principio, con una aparente falta total de organización. Relató que, hasta mayo, todavía no había cobrado al Medicare por nueve inyecciones epidurales que realizó.
También hay un impacto directo sobre quien busca el tratamiento. Bill Curry, un ganadero de 65 años del interior de Oklahoma, lleva años haciendo un viaje de dos horas y media hasta la capital del estado para recibir inyecciones epidurales en la columna. En febrero, se encontró con la sorpresa de que necesitaría autorización previa para el procedimiento. Resultado: tuvo que volver más de una vez, sumando unas diez horas de ruta, y encima le pidieron que se presentara una tercera vez solo para rellenar un formulario describiendo cómo se sentía — algo que nunca le habían exigido antes. Ante esto, Curry contó que podría pasar a buscar tratamiento en Kansas para escapar de todo el proceso de aprobación. 🚨
En Nueva Jersey, la médica de medicina física y rehabilitación Dorota Gribbin relató un caso aún más grave: cuando la autorización finalmente salió para uno de sus pacientes que necesitaba un procedimiento para dolor de espalda, él ya había ido al hospital a buscar una atención mucho más cara. Ese es justamente el tipo de efecto colateral que va en la dirección opuesta al objetivo del programa de ahorrar recursos.
Costos que reaparecen por otras puertas
Una de las paradojas más interesantes del WISeR es que puede terminar aumentando los costos del propio gobierno. Con más rechazos, surgen más apelaciones, que necesitan ser procesadas por los contratistas administrativos del Medicare — y el gobierno les paga para lidiar con cada recurso. El propio Sutton reconoció que la agencia ya contabilizó posibles cambios en el volumen de apelaciones a causa del programa y los costos asociados a eso.
Herramientas que usamos a diario
La investigadora de políticas de salud Miranda Yaver, de la Universidad de Pittsburgh, plantea una cuestión central. Para ella, la autorización previa le ahorra dinero a los planes en parte porque transfiere el costo a los pacientes en forma de tiempo de espera e inconvenientes. La gente termina atrapada en una telaraña de burocracia, esperando al teléfono y siendo redirigida de un sector a otro. La gran duda, según ella, es si la autorización previa realmente ahorra recursos o simplemente le pasa el costo a pacientes y médicos.
Vale recordar que el uso de inteligencia artificial en este contexto no es novedad en el sector privado. Según un relevamiento divulgado en 2025 por la asociación nacional de comisionados de seguros, el 84% de las aseguradoras comerciales ya utilizan herramientas de IA — aunque afirman consistentemente que no las usan para rechazar solicitudes de autorización previa. Curiosamente, mientras el gobierno prueba este enfoque en el Medicare, la propia administración intenta reducir la práctica para quienes tienen seguro privado. Una encuesta de enero reveló que el 69% de los adultos con cobertura consideran la autorización previa una carga a la hora de buscar atención.
Qué se puede hacer a partir de aquí
La discusión en torno al WISeR ya llegó al Congreso estadounidense, con representantes de asociaciones médicas presionando por una revisión del programa. La principal demanda no es el abandono de la inteligencia artificial en el proceso — al fin y al cabo, los beneficios potenciales son reales y reconocidos —, sino la implementación de salvaguardas más robustas. Entre las propuestas están la obligatoriedad de una revisión humana rigurosa para cualquier negativa, plazos máximos efectivamente cumplidos para la resolución de apelaciones y canales de escalamiento rápido para casos con urgencia clínica documentada.
Desde el punto de vista técnico, el camino pasa por un proceso de reentrenamiento de los modelos con datos más representativos y diversificados, además de una revisión cuidadosa de los criterios de señalización automática. Los sistemas de IA aplicados a contextos críticos como la salud necesitan estar calibrados con márgenes de tolerancia diferentes a los que se usan en sistemas de recomendación de contenido. El costo de negar un procedimiento necesario es completamente diferente al costo de recomendar un video equivocado. Esa distinción tiene que estar incorporada en la arquitectura del modelo, y no solo en las políticas de uso.
Existe además una preocupación de fondo entre los médicos: que el programa se extienda mucho más allá de los pocos servicios hoy considerados propensos a fraude. Mary Clarke, médica de familia en Oklahoma, resumió bien ese temor al afirmar que todo el mundo sabe que, si el piloto funciona, la autorización previa se extenderá a básicamente todos los procedimientos. Consultado sobre una posible expansión, Sutton afirmó que no hay, por el momento, cambios previstos en la lista de servicios, pero que la agencia sigue evaluando si serán necesarios ajustes.
El episodio del WISeR y del Medicare sirve como una advertencia valiosa para cualquier iniciativa que pretenda aplicar inteligencia artificial a gran escala dentro de sistemas públicos de salud — y esto vale mucho más allá de las fronteras estadounidenses. La tecnología tiene potencial real de transformar la eficiencia de estos sistemas, pero necesita ser introducida con transparencia, probada a escala controlada y, sobre todo, mantenida bajo supervisión humana constante. Cuando el ritmo de implementación supera al ritmo de validación, los errores y las demoras dejan de ser bugs técnicos y se convierten en consecuencias humanas concretas. Y ahí, el problema es mucho mayor de lo que cualquier algoritmo puede resolver por sí solo. 🤖
