Medicare habilita pagos para IA en salud: El modelo ACCESS revoluciona el cuidado crónico en EE. UU.

En cuanto a la infraestructura de reembolso para la IA en EE. UU., a enero de 2026, Medicare ya contaba con 26 códigos CPT (Current Procedural Terminology) dedicados a soluciones clínicas de IA. Un ejemplo notable es la tomografía computarizada con fracción de flujo (FFR-CT), que en 2023 generó 14,000 reclamaciones y representó $12.7 millones en gasto de Medicare, según Health Affairs (enero de 2026). Esto demuestra que la integración de la IA en la facturación no es una idea nueva, pero el modelo ACCESS la lleva a un nivel estratégico sin precedentes para el monitoreo y gestión crónica de enfermedades. Además, es crucial recordar que más de dos tercios de los beneficiarios de Medicare viven con condiciones crónicas, lo que subraya la inmensa necesidad de soluciones más eficientes y escalables para la gestión de su salud.

Vale la pena mencionar brevemente el modelo WISeR (Wasteful and Inappropriate Service Reduction), otro programa piloto de seis años (enero de 2026 a diciembre de 2031) que utiliza IA para la autorización previa de ciertos servicios en Medicare original, según Phelps (julio de 2025). Aunque diferente en su enfoque (WISeR se centra en la eficiencia y la reducción de costos, mientras que ACCESS se enfoca en la gestión de enfermedades crónicas con resultados medibles), ambos modelos demuestran una clara tendencia por parte de CMS hacia la integración de la IA en múltiples facetas de sus operaciones, marcando una era de transformación digital en la salud pública.

Análisis de la tendencia

El modelo ACCESS de Medicare no es solo un nuevo programa; es un indicador robusto de una tendencia más amplia y profunda en la evolución del cuidado de la salud. Representa un cambio paradigmático desde un modelo de compensación por volumen de servicios (fee-for-service) hacia uno basado en el valor y los resultados del paciente. Los "Pagos Alineados con Resultados" (OAPs) son el corazón de esta transformación, creando incentivos financieros para que los proveedores de salud digital y los agentes de IA se centren en mejorar activamente la salud de los pacientes crónicos, en lugar de simplemente realizar procedimientos o visitas. Esta orientación hacia el valor es un motor para la verdadera innovación, ya que impulsa el desarrollo de soluciones de IA que sean genuinamente efectivas y eficientes en la gestión proactiva de la salud.

La principal revelación aquí es la legitimación de la IA como un agente activo en el cuidado del paciente. Al proporcionar un mecanismo de pago específico para la IA que interviene entre las visitas médicas –monitoreando, interactuando y coordinando–, Medicare está validando un modelo de negocio completo para las startups de salud digital. Neil Batlivala, CEO de Pair Team, acertadamente describe este desarrollo como la creación de "carriles de nado para la innovación de IA en industrias tradicionalmente reguladas", según PM Interview Prep Club (mayo de 2026). Esto transforma la atención médica de un sistema reactivo a uno proactivo, donde la IA puede identificar riesgos, intervenir tempranamente y optimizar los planes de tratamiento antes de que las condiciones empeoren, lo que tiene un impacto directo en la reducción de hospitalizaciones y la mejora de la calidad de vida.

Sin embargo, esta tendencia no está exenta de desafíos. La implementación a gran escala de la IA en la atención médica plantea preocupaciones significativas sobre la seguridad de los datos de los pacientes. Alimentar información médica sensible a infraestructuras federales o de terceros exige protocolos de ciberseguridad robustos y un marco de gobernanza de datos impecable para proteger la privacidad del individuo. Además, el sesgo algorítmico es una preocupación constante. Los modelos de IA, si no se entrenan con conjuntos de datos diversos y representativos, pueden perpetuar o incluso exacerbar las desigualdades existentes en la atención médica, proporcionando resultados subóptimos o discriminatorios para ciertos grupos demográficos. Expertos como Laura Velásquez de Arkangel AI, cuya perspectiva veremos en la sección de contexto regional, han enfatizado este punto crucial sobre la necesidad de datos variados.

Otro aspecto a considerar es la interacción entre la IA y la supervisión humana. Si bien el modelo ACCESS fomenta la innovación, otros modelos como WISeR, que utiliza IA para autorizaciones previas, han generado inquietudes sobre cómo la presión financiera podría incentivar la denegación de servicios sin una adecuada supervisión humana. La clave estará en encontrar el equilibrio donde la IA aumente y complemente la atención humana, en lugar de reemplazarla ciegamente o imponer decisiones sin una revisión ética y clínica. La tendencia es clara: la IA está en camino de ser un componente integral del sistema de salud, y la discusión ahora gira en torno a cómo implementarla de manera responsable, equitativa y efectiva.

Contexto regional

Mientras Estados Unidos avanza con modelos como ACCESS, Latinoamérica observa y comienza a trazar su propio camino en la integración de la IA en la salud, aunque con un ritmo y desafíos distintos. El mercado de IA en salud en la región muestra un crecimiento prometedor. Fue valorado en USD 0.59 mil millones en 2025 y se proyecta que alcance los USD 4.43 mil millones para 2034, con una Tasa de Crecimiento Anual Compuesta (CAGR) del 25.06% entre 2026 y 2034, según un informe de IMARC Group. Otra fuente (Medical Ai Market Size & Outlook, 2026-2036) es aún más optimista, proyectando un crecimiento de USD 2,075.2 millones en 2025 a USD 52,006.3 millones para 2036, con un CAGR del 34.2%. Estas cifras demuestran un interés creciente y un potencial de mercado considerable, impulsado por la necesidad de mejorar el acceso y la eficiencia de la atención médica.

La adopción de IA en Latinoamérica se sitúa en un 40%, con un notable aumento del 18% en 2024, de acuerdo con Itaca (noviembre de 2025). Sin embargo, hay una disparidad: mientras el 53% de los médicos latinoamericanos ya utilizan la IA en su práctica de alguna forma, solo el 15% de las instituciones médicas de la región están probando activamente soluciones de IA. Esta brecha sugiere que la adopción es más fragmentada y a nivel individual que sistémica en muchos casos, en parte debido a la falta de modelos de pago o incentivos estructurales similares a ACCESS.

Los desafíos que enfrenta Latinoamérica son significativos. En primer lugar, la regulación de la IA en salud es inadecuada, con marcos regulatorios incipientes para la protección de datos y una ausencia de estrategias colaborativas que impulsen la adopción ética y segura, según CLIAS (agosto de 2024). En segundo lugar, existe una escasez de repositorios de datos de calidad, lo que a menudo resulta en datos con baja calidad y sesgos inherentes, especialmente si los modelos se entrenan con datos predominantemente de poblaciones no latinoamericanas. Como señala Laura Velásquez, cofundadora de Arkangel AI, la "mentalidad, no la tecnología, es la mayor barrera para la innovación en Latinoamérica", y añade que el sesgo en los modelos de IA entrenados con datos de hombres blancos es una preocupación real y relevante para la diversidad de la población latinoamericana, como menciona Alternova Inc. (abril de 2025).

Finalmente, la infraestructura básica sigue siendo un obstáculo para la implementación masiva de la salud digital. El acceso a internet, aunque en crecimiento, solo alcanzaba el 67.3% de los hogares en 2022, según el Banco Mundial, lo que limita la implementación de soluciones de salud digital que dependen de una conectividad robusta y ubicua, especialmente en áreas rurales o desfavorecidas.

A pesar de estos retos, la región ha visto surgir empresas innovadoras que están adaptando la IA a sus contextos locales. En México, destacan Zenda, que usa IA para seguros de salud y medir la edad biológica; Clivi, que aplica IA al manejo de la diabetes tipo II; y Unima, que desarrolla diagnósticos de bajo costo para áreas rurales. En Colombia, 1DOC3 ofrece telemedicina con IA, y Arkangel AI (mencionada por su cofundadora), que utiliza IA para la detección temprana de enfermedades a partir de datos no estructurados, ya está desplegada en más de 300 hospitales. Otros ejemplos incluyen Huna (diagnóstico de cáncer de mama), EntelAI (análisis de imágenes médicas) e Iara Health (reconocimiento de voz para informes médicos). Estas empresas demuestran que, a pesar de las barreras, hay un ecosistema vibrante buscando soluciones relevantes para las necesidades de salud de la región, con un enfoque en la accesibilidad y la pertinencia local.

Perspectiva a futuro

El modelo ACCESS de Medicare es más que una simple reforma de pago; es un experimento a gran escala que sentará un precedente global para la integración de la inteligencia artificial en la atención médica estructurada. Su éxito en EE. UU., medido por la mejora de los resultados de salud para pacientes crónicos y la contención de costos, probablemente influirá en cómo otros sistemas de salud, incluyendo aquellos en Latinoamérica, comiencen a pensar en la financiación y la regulación de la salud digital y la IA. Es plausible que veamos una emulación de este modelo de "Pagos Alineados con Resultados" en países con sistemas de salud públicos o mixtos, adaptando los principios de incentivo al valor y a la innovación tecnológica.

Para el sector tecnológico, esto abre un campo de inversión y desarrollo inmenso. La demanda de agentes de IA, plataformas de monitoreo remoto, algoritmos de predicción de riesgos y herramientas de coordinación de la atención que cumplan con los rigurosos estándares de rendimiento y seguridad será exponencial. Las empresas de salud digital que logren demostrar resultados tangibles en la mejora de la salud del paciente y la eficiencia operativa serán las mejor posicionadas para prosperar. Veremos una maduración en la oferta de soluciones de IA, pasando de prototipos a productos robustos y validados clínicamente, capaces de integrarse con los sistemas existentes y generar confianza en los usuarios y profesionales.

Sin embargo, la expansión de la IA en la salud también requerirá una mayor atención a la gobernanza y la ética. La necesidad de marcos regulatorios claros que aborden la privacidad de los datos, el consentimiento informado, la responsabilidad algorítmica y la mitigación del sesgo será primordial. En Latinoamérica, esto es aún más crítico, dada la infraestructura de datos y regulatoria menos madura. Se requerirá un esfuerzo concertado entre gobiernos, instituciones académicas, empresas tecnológicas y profesionales de la salud para desarrollar políticas que fomenten la innovación mientras protegen a los pacientes y garantizan la equidad en el acceso a las nuevas tecnologías.

Mirando hacia el futuro, el potencial de la IA para transformar la prevención y la gestión de enfermedades crónicas es innegable. Podríamos ver una atención médica mucho más personalizada y predictiva, donde los problemas se aborden antes de que se agraven, mejorando drásticamente la calidad de vida y reduciendo la carga sobre los sistemas de salud. El desafío y la oportunidad para los profesionales y empresas tecnológicas de Latinoamérica radicarán en no solo replicar lo que se hace en Estados Unidos, sino en adaptar y crear soluciones de IA que sean culturalmente relevantes, clínicamente apropiadas y accesibles para las diversas poblaciones de la región, superando los retos de infraestructura y datos para construir un futuro de salud más equitativo y eficiente.