El ajuste preciso del riesgo no es sólo una casilla que hay que marcar; ahora es una palanca estratégica. La codificación de categoría de condición jerárquica (HCC) sustenta las evaluaciones de riesgo que impulsan Medicare Advantage y otros pagos basados en el valor. Con más de la mitad de los beneficiarios de Medicare ahora inscritos en Medicare Advantage 2025 (equivalente a aproximadamente 35,7 millones de personas), la precisión en la codificación afecta directamente el desempeño financiero y el cumplimiento.
Muchas organizaciones bien intencionadas subcontratan la codificación HCC a terceros que prometen escalabilidad y precisión llave en mano. Pero en la práctica, la subcontratación puede resultar costosa, difícil y arriesgada. Sin embargo, los avances recientes en IA generativa han hecho que sea mucho más fácil y seguro realizar la codificación HCC internamente, lo que reduce los costos y aumenta la preparación para las auditorías.
Los costos (y riesgos) ocultos de la subcontratación
El modelo de negocio detrás de la codificación HCC subcontratada crea incentivos perversos. Básicamente, está intercambiando una mayor producción por garantías de precisión más suaves. Los planes de salud pueden gastar millones en modelos de precios por gráfico, pero los proveedores rara vez brindan la evidencia transparente y verificable necesaria para demostrar que la precisión de la codificación es en realidad mejor.
Mientras tanto, CMS estima que el error de pago de la Parte C (Medicare Advantage) del año fiscal 2024 será de $19,070 millones – un recordatorio de que si no se puede ver y defender cada fragmento de código, las lagunas en la documentación siguen siendo un riesgo sistémico.
¿Qué es peor? La carga de las pruebas recae en usted, no en el proveedor. Aunque CMS cuenta con mecanismos para reclamar pagos excesivos, incluida la extrapolación, y cuando los diagnósticos en la hoja de cálculo no son compatibles, no es un sistema perfecto. Si un socio subcontratado “impulsa” códigos, usted sigue siendo responsable cuando los auditores revisan los registros y retienen sus honorarios.
Además, con la mayoría de los modelos subcontratados, usted envía información de salud protegida (PHI) y acepta los umbrales, la lógica de procesamiento y la tolerancia al riesgo de otros. Esta falta de control y transparencia es un problema cuando un CMS o un revisor del plan pregunta: “¿Por qué se asignó este HCC?” y no se puede crear un rastro explicable y justificable.
Cambiando los objetivos regulatorios
Imagínese contratar una empresa de impuestos que le cobre el 20% de sus deducciones en lugar de una tarifa por hora. Tiene todos los incentivos para encontrar más deducciones y superar los límites. Si lo auditan, es responsable; Se quedan con su parte. Ésta es la dinámica de riesgo de muchos modelos de HCC subcontratados: los proveedores maximizan los ingresos a corto plazo mientras enfrentan riesgos de auditoría a largo plazo.
Hay mucho en juego con Medicare Advantage. Los pagos en 2025 seguirán aumentando a medida que aumenta la inscripción, intensificando el escrutinio de la precisión de las evaluaciones de riesgos y las prácticas de codificación. Las actualizaciones de políticas pronostican aumentos de pagos continuos, vinculados en parte a cambios en la evaluación de riesgos, lo que alimenta aún más el aumento. Atención de CMS y guardianes.
Los reguladores están aclarando aún más los riesgos. La Oficina del Inspector General (OIG) ha advertido repetidamente sobre diagnósticos que provienen únicamente de evaluaciones de riesgos para la salud (HRA) o revisiones de registros médicos, pero que no se verifican en ningún otro lugar del registro médico. Estos códigos aumentan los pagos, pero a menudo no resisten el escrutinio. En otras palabras, usted está asumiendo riesgos regulatorios calculados si la codificación no está regulada.
La alternativa interna
Gracias a los avances en la IA generativa, muchos de estos problemas se pueden abordar mediante codificación HCC interna a una fracción del costo y el perfil de riesgo. Su organización (no un proveedor) tiene el control en lo que respecta a la lógica de procesamiento, los umbrales, los requisitos de prueba y las rutas de escalamiento. Esto significa que la preparación para la auditoría está integrada en el diseño, con total procedencia de cada código propuesto y aceptado.
Piénselo: ya emplean codificadores clínicos. Cuando están equipados con la IA adecuada, pueden revisar previamente los gráficos, descubrir evidencia poderosa y acelerar la revisión de segundo nivel sin necesidad de personal adicional. Quizás lo más importante es que las soluciones que se ejecutan en su entorno evitan compartir PHI y, al mismo tiempo, brindan a su equipo total observabilidad.
Hace unos años, “bricolaje” significaba construir una plataforma de procesamiento del lenguaje natural (PLN) desde cero. Ya no. Se pueden integrar nuevas herramientas generativas de codificación HCC impulsadas por IA en los flujos de trabajo existentes para leer datos caóticos, aislados y multimodales, seguir el ritmo de los modelos en evolución, trabajar en las instalaciones o en un entorno de nube privada y permitir la personalización según las necesidades de su propio negocio.
El camino a seguir más seguro e inteligente
Los reguladores han dejado claras sus expectativas: se encontrarán diagnósticos no confirmados y se recuperarán los fondos. La OIG continúa destacando canales de codificación vulnerables, como las HRA y las auditorías de registros médicos, cuando no están respaldados en otras partes del registro médico. Y el trabajo sobre tasas de error de la Parte C de CMS muestra que cada año hay miles de millones en juego.
La subcontratación tenía sentido cuando la brecha tecnológica era grande. Esta brecha ahora se ha cerrado. Hoy en día, las organizaciones pueden implementar plataformas HCC nativas de IA detrás de su propio firewall, adaptarlas a su situación de cumplimiento y operar a un costo por paciente predecible sin dejar de ser a prueba de auditorías.
El ajuste del riesgo es demasiado estratégico para dejarlo fuera de sus cuatro paredes. El futuro de la codificación HCC es interno y, con una combinación de IA generativa y sus propios codificadores clínicos, las empresas pueden abordar cada una de estas realidades de frente con control, transparencia y ahorro de costos.
Foto: Leo Wolfert, Getty Images
David Talby, doctorado, MBAes el CTO de Laboratorios John Snow. Ha pasado su carrera utilizando IA, big data y ciencia de datos para resolver problemas del mundo real en atención médica, ciencias biológicas y campos relacionados.
Este artículo aparece en el Influencer de MedCity Programa. A través de MedCity Influencer, cualquiera puede publicar sus puntos de vista sobre negocios e innovación en la atención médica en MedCity News. Haga clic aquí para descubrir cómo.
