El ajuste preciso del riesgo ya no es solo un trámite; se ha convertido en una palanca estratégica. La codificación de Categorías de Condiciones Jerárquicas (HCC) sustenta las puntuaciones de riesgo que impulsan los pagos de Medicare Advantage y otros modelos basados en valor. Con más de la mitad de los beneficiarios de Medicare inscritos en Medicare Advantage para 2025 (lo que equivale a aproximadamente 35.7 millones de personas), la precisión en la codificación afecta directamente al rendimiento financiero y al cumplimiento normativo.
Muchas organizaciones con buenas intenciones externalizan la codificación HCC a terceros que prometen escalabilidad y precisión inmediata. Sin embargo, en la práctica, la externalización puede resultar costosa, difícil y arriesgada. No obstante, los recientes avances en la inteligencia artificial generativa han facilitado y hecho más seguro internalizar la codificación HCC, reduciendo costos y fortaleciendo la preparación para auditorías.
Los costos ocultos (y riesgos) de la externalización
El modelo de negocio detrás de la externalización de la codificación HCC crea incentivos desalineados. En esencia, se intercambia un mayor gasto por garantías de precisión menos sólidas. Las aseguradoras pueden gastar millones bajo modelos de precio por historial, pero los proveedores rara vez ofrecen la evidencia transparente y auditable necesaria para demostrar que la precisión de la codificación es realmente mejor.
Mientras tanto, CMS estima el error de pago de la Parte C (Medicare Advantage) para el año fiscal 2024 en $19,070 millones — un recordatorio de que las lagunas documentales siguen siendo un riesgo sistémico si no puedes ver y defender cada código.
¿Qué es peor? La exposición a las auditorías recae sobre tí, no sobre el proveedor. Aunque CMS tiene mecanismos para recuperar pagos en exceso, incluida la extrapolación, no es un sistema perfecto. Si un socio externalizado “presiona” códigos, tú asumes la responsabilidad cuando los auditores revisen los registros, y ellos se quedan con sus honorarios.
Además, con la mayoría de los modelos externalizados, envías información de salud protegida (PHI) fuera y aceptas los umbrales, la lógica de edición y la tolerancia al riesgo de otra persona. Esa falta de control y transparencia es un problema si CMS o un auditor preguntan “¿por qué se asignó este HCC?” y no puedes producir un rastro explicable y defendible.
Objetivos regulatorios en movimiento
Imagina contratar una firma de impuestos que cobre el 20% de tus deducciones en lugar de una tarifa por hora. Tienen todo el incentivo para encontrar más deducciones y forzar los límites. Si te auditan, eres responsable; ellos se quedan con su parte. Esa es la dinámica de riesgo de muchos modelos de HCC externalizados: los proveedores maximizan los ingresos a corto plazo, mientras tú afrontas la exposición a auditorías a largo plazo.
En Medicare Advantage, lo que está en juego es enorme. Los pagos para 2025 continúan aumentando a medida que crece la inscripción, intensificando el escrutinio sobre la precisión de las puntuaciones de riesgo y las prácticas de codificación. Las actualizaciones de políticas proyectan aumentos de pago continuos vinculados en parte a cambios en las puntuaciones de riesgo, lo que alimenta una mayor atención por parte de CMS y los organismos de control.
Los reguladores están dejando los riesgos aún más claros. La Oficina del Inspector General (OIG) ha advertido repetidamente sobre diagnósticos que provienen solo de evaluaciones de riesgo de salud (HRA) o revisiones de historiales, pero que no están respaldados en ningún otro lugar del registro médico. Este tipo de códigos aumentan los pagos pero a menudo no se sostienen en una auditoría. En otras palabras, asumes riesgos regulatorios calculados si la codificación no está perfectamente ajustada.
La alternativa de internalización
Gracias a los avances en la IA generativa, internalizar la codificación HCC puede solucionar muchos de estos problemas a una fracción del costo y del perfil de riesgo. Tu organización —y no un proveedor— toma las riendas en lo que respecta a la lógica de edición, los umbrales, los requisitos de evidencia y los caminos de escalación. Eso significa que la preparación para la auditoría está integrada en el diseño, con trazabilidad completa para cada código sugerido y aceptado.
Piénsalo: Ya empleas codificadores clínicos. Cuando están equipados con la IA adecuada, pueden prerevisar historiales, resaltar evidencia de alto rendimiento y acelerar la revisión de segundo nivel fácilmente sin aumentar la plantilla. Quizás lo más importante es que las soluciones que se ejecutan dentro de tu entorno evitan compartir PHI mientras otorgan a tu equipo plena observabilidad.
Hace unos años, “hazlo tú mismo” significaba construir una plataforma de Procesamiento de Lenguaje Natural (PLN) desde cero. Ya no. Las nuevas herramientas de codificación HCC impulsadas por IA generativa pueden integrarse en los flujos de trabajo existentes para leer datos multimodales, desorganizados y fragmentados, mantenerse al día con modelos en evolución, operar localmente o en un entorno de nube privada, y permitirte personalizar para satisfacer las necesidades de tu propia organización.
El camino a seguir más seguro e inteligente
Los reguladores han dejado claro sus expectativas: se encontrarán diagnósticos no respaldados y se recuperarán los fondos. La OIG continúa destacando canales de codificación vulnerables como las HRA y las revisiones de historiales cuando no están respaldados en otra parte del registro médico. Y el trabajo de la tasa de error de la Parte C de CMS muestra miles de millones en juego cada año.
La externalización tenía sentido cuando la brecha tecnológica era amplia. Esa brecha se ha cerrado. Hoy, las organizaciones pueden implementar plataformas HCC nativas de IA detrás de su propio firewall, adaptarlas a su postura de cumplimiento y operar con un costo predecible por paciente, manteniéndose preparadas para auditorías.
El ajuste de riesgo es demasiado estratégico para dejarlo fuera de tus cuatro paredes. El futuro de la codificación HCC es interno, y con una combinación de IA generativa y tus propios codificadores clínicos, las organizaciones pueden abordar directamente cada una de estas realidades con control, transparencia y ahorro de costos.
Foto: LeoWolfert, Getty Images
David Talby, PhD, MBA, es el Director de Tecnología (CTO) de John Snow Labs. Ha dedicado su carrera a hacer que la IA, el big data y la ciencia de datos resuelvan problemas del mundo real en el cuidado de la salud, las ciencias de la vida y campos relacionados.
Esta publicación aparece a través del programa MedCity Influencers. Cualquier persona puede publicar su perspectiva sobre negocios e innovación en healthcare en MedCity News a través de MedCity Influencers. Haz clic aquí para saber cómo.