Salud y ciencias de la vida

La IA clínica ya está activa dentro de su EHR, su cadena de codificación, su cola de autorización previa y su pipeline de descubrimiento de fármacos — pero la capa de seguridad, verificación y documentación regulatoria que se interpone entre el modelo y el paciente no existe en la mayoría de los despliegues. El enfoque de Veriprajna consiste en diseñar esa capa faltante: validación clínica determinista, monitorización continua de dispositivos y gobernanza lista para auditorías, concebida para sistemas de salud, empresas farmacéuticas y entidades pagadoras.

La IA que sus médicos ya están utilizando no tiene capa de seguridad

Dos tercios de la base de profesionales sanitarios de Epic tienen ahora acceso a contenido clínico generado por GPT-4. Los escribas ambientales redactan notas clínicas, las respuestas de In Basket se envían a los pacientes y los mensajes de MyChart reciben respuestas generadas automáticamente. En un estudio revisado por pares sobre despliegues clínicos reales, 2.9% de los resúmenes de consultas generados por IA contenían alucinaciones o errores fácticos — incluidos estados de medicación incorrectos y fechas de procedimientos erróneas.

Esa cifra parece pequeña hasta que se considera que el 22.7% de los profesionales de la salud reportó omitir por completo las notas detalladas en favor del resumen de la IA. La capa de seguridad entre el LLM y el paciente no existe en la mayoría de las integraciones de EHR actuales: en Epic, la arquitectura de CDS Hooks no fue diseñada para validar texto generado por LLM frente a la lista activa de problemas, la lista de medicamentos y la lista de alergias de un paciente en tiempo real. Esa es la brecha que nuestros proyectos están diseñados para cerrar — consulte una demostración funcional de nuestra capa de seguridad para IA clínica.

Esto no es teórico. Cuando los investigadores evaluaron seis LLM líderes con viñetas clínicas que contenían un único valor falso de laboratorio implantado, los modelos repitieron o desarrollaron la información falsa en hasta el 83% de los casos. Un simple prompt de mitigación redujo la tasa a la mitad, pero no la eliminó. En flujos de trabajo donde una nota generada por IA alimenta directamente la codificación, la emisión de órdenes y la facturación, un valor de laboratorio alucinado o un historial de medicación inventado pueden propagarse por toda la cadena de atención antes de que un profesional humano intervenga.

El problema de codificación de $2.3 billion que nadie previó

El análisis de marzo de 2026 de Blue Cross Blue Shield sobre datos de reclamaciones comerciales concluyó que las prácticas de codificación asistidas por IA están asociadas con un $2.3 billion incremento en el gasto sanitario — $663 million en pacientes hospitalizados y $1.67 billion en pacientes ambulatorios. El debate sobre si esto constituye sobrefacturación (upcoding) o una mayor precisión en la documentación pasa por alto el punto fundamental: si su escriba ambiental captura más detalles clínicos pero nadie valida si esa información es exacta, ha construido una costosa máquina para generar reclamaciones de mayor complejidad a partir de la misma realidad clínica.

Tanto los proveedores de salud como las entidades pagadoras coinciden en que los escribas ambientales están aumentando los costes; ninguno cuenta con una solución porque el problema se sitúa entre el escriba y el codificador: en una capa de verificación que aún no existe. Nuestro enfoque consiste en construir esa capa de verificación, no reemplazando las herramientas de documentación ambiental ni compitiendo con los motores de codificación, sino insertando una validación clínica determinista entre la nota generada por IA y los sistemas posteriores que operan a partir de ella. Las comprobaciones están diseñadas para ser estructurales, no probabilísticas:

• ¿Aparece este hallazgo documentado en el historial del paciente?
• ¿Coincide esta evaluación con la evidencia documentada?
• ¿Está respaldado este nivel de complejidad por los datos de la consulta?

Se trata de validaciones basadas en reglas frente a hechos clínicos conocidos, no de juicios probabilísticos.

1,451 dispositivos de IA autorizados por la FDA y un problema de retiradas del mercado

La FDA autorizó 295 dispositivos médicos con IA solo en 2025 — la mayor cantidad en su historia —, elevando el total acumulado a 1,451. Sin embargo, una revisión de 60 dispositivos con IA autorizados por la FDA reveló 182 retiradas del mercado, produciéndose casi la mitad de ellas en el plazo de un año tras su aprobación. El sistema TruDI Navigation System registró más de 100 fallos de funcionamiento y eventos adversos tras la integración de IA, en comparación con siete antes. Únicamente el 5.2% de los dispositivos de IA autorizados ha presentado datos de eventos adversos en absoluto, lo que significa que estamos a ciegas respecto a la seguridad poscomercialización del otro 95%.

La guía definitiva sobre el PCCP de diciembre de 2024 abrió una vía para que los dispositivos de IA adaptativa evolucionen tras su autorización sin nuevas solicitudes, pero la mayoría de los fabricantes no están equipados para implementar la infraestructura de monitorización, validación y documentación que exigen los PCCP. Nuestro enfoque consiste en construir esa infraestructura: los sistemas de monitorización continua, los pipelines de validación del rendimiento y los marcos de documentación regulatoria diseñados para convertir un PCCP de una simple estrategia de presentación en una realidad operativa.

Brecha de gobernanza: el 23% cuenta con marcos, el 78% está desplegando

Solo el 23% de los sistemas de salud ha establecido estructuras formales de gobernanza de IA; sin embargo, el 78% planea desplegar IA clínica en los próximos 24 meses. La superficie regulatoria se expande a mayor velocidad de lo que la mayoría de los sistemas de salud pueden conformar sus comités de gobernanza:

• La AMA publicó su AI Governance Toolkit en agosto de 2025.
• La Coalition for Health AI (CHAI) publicó conjuntamente su Blueprint con la Joint Commission en septiembre de 2025, marcando expectativas de gobernanza para más de 22,000 organizaciones acreditadas.
• La norma HTI-1 de la ONC exige 31 atributos de origen para intervenciones predictivas de soporte a decisiones y obliga a la divulgación pública de las prácticas de gestión de riesgos de dichas intervenciones.
• La norma de la Sección 1557 contra la discriminación se extiende a las herramientas de decisión clínica basadas en IA, con mayo de 2025 como fecha límite de cumplimiento.
• Por parte de la OCR, las acciones de fiscalización sobre IA aumentaron un 340% en 2025.

Diseñamos programas de gobernanza de IA concebidos para satisfacer simultáneamente los requisitos de la ONC, OCR, CMS y la Joint Commission, un enfoque detallado en nuestra investigación sobre la frontera de gobernanza e integridad algorítmica. Un sistema de salud que despliega el escriba ambiental de Epic, un modelo predictivo de sepsis y un chatbot de atención al paciente maneja tres perfiles de riesgo de IA distintos que comparten datos de pacientes. Gestionarlos en silos — por proveedor, por departamento o por exigencia de cumplimiento normativo — es la forma en que las organizaciones acaban con políticas superpuestas, evaluaciones de riesgo contradictorias y brechas que los reguladores descubren antes que el propio comité de gobernanza.

IA farmacéutica: 173 programas clínicos, cero aprobaciones y brechas de validación reales

Más de 173 programas de fármacos descubiertos por IA están en fase de desarrollo clínico (nuestra investigación sobre el descubrimiento de fármacos con IA en bucle cerrado). Insilico Medicine publicó la primera prueba de concepto clínica del sector para un fármaco descubierto mediante IA en Nature Medicine en junio de 2025. Recursion suspendió su candidato principal REC-994 en mayo de 2025, después de que los datos a largo plazo no confirmaran las tendencias de eficacia iniciales. Las grandes farmacéuticas han comprometido miles de millones en alianzas de IA — Novo Nordisk–Valo Health ($2.76B), Eli Lilly–Isomorphic Labs ($1.75B) y Bayer–Recursion ($1.5B) —; sin embargo, ningún fármaco descubierto por IA ha recibido la aprobación de la FDA a principios de 2026.

La brecha de validación en la IA farmacéutica no radica en el rendimiento del modelo, sino en la documentación regulatoria. Cuando la IA interactúa con procesos regulados por GxP, cada decisión algorítmica requiere una pista de auditoría conforme a 21 CFR Part 11 . El borrador de directrices de la FDA de enero de 2025 introdujo un marco de evaluación de credibilidad basado en el riesgo, y los principios conjuntos FDA–EMA de enero de 2026 enfatizan la idoneidad para el propósito previsto y una gobernanza sólida de datos. Nuestro enfoque consiste en construir la infraestructura de validación que conecta los resultados de los modelos de IA con los marcos de documentación que los reguladores realmente auditan: planes de evaluación de credibilidad, definiciones de contexto de uso y pistas de auditoría que rastrean cada decisión algorítmica desde los datos de entrenamiento hasta el criterio de valoración clínico.

El ajuste de cuentas de la IA para las aseguradoras y entidades pagadoras

Los CMS pusieron en marcha el programa piloto WISeR en enero de 2026, probando la autorización previa impulsada por IA para beneficiarios de Medicare en seis estados. En cuestión de meses, los médicos reportaron un aumento en las denegaciones, tiempos de espera más prolongados para revisiones entre pares y demoras en el acceso de los pacientes. La estructura financiera del programa remunera a los proveedores en función de un porcentaje de los "ahorros", generando un incentivo directo para denegar coberturas. La EFF presentó una demanda exigiendo transparencia sobre los incentivos financieros de los proveedores, y los legisladores demócratas introdujeron proyectos de ley para derogar el programa piloto. Mientras tanto, las legislaturas estatales avanzan de forma independiente:

• Texas prohíbe las determinaciones adversas automatizadas sin supervisión humana.
• El proyecto SB 243 de California regula los chatbots de compañía basados en IA.
• Illinois y Nevada han prohibido completamente la IA para la salud conductual.

Para las entidades pagadoras que despliegan IA en la gestión de utilización, la pregunta ya no es si llegará la regulación, sino si su sistema puede demostrar la pista de auditoría, la documentación del fundamento clínico y la integración de supervisión humana que exige cada regulación pendiente. Diseñamos marcos de cumplimiento algorítmico para la IA de aseguradoras y pagadores que documentan la justificación de las decisiones a nivel de reclamación individual, integran activadores obligatorios de revisión humana y generan los informes de transparencia que los CMS, los fiscales generales estatales y los abogados demandantes exigirán con el tiempo.

¿Por qué no una gran firma de consultoría?

Deloitte, Accenture y McKinsey cuentan con prácticas de consultoría en IA para el sector salud. Elaboran marcos de gobernanza, evaluaciones de madurez y hojas de ruta estratégicas, y son competentes en la gestión del cambio organizacional y la alineación ejecutiva. No construyen sistemas de seguridad clínica.

Cuando su integración con Epic requiere una capa de validación en tiempo real que verifique las recomendaciones de medicación generadas por IA contra la lista de alergias del paciente mediante CDS Hooks, se trata de un problema de ingeniería que exige tanto especialización en informática clínica como capacidad de integración de sistemas. Las grandes consultoras subcontratan ese trabajo; nosotros lo tratamos como la ingeniería central del proyecto en lugar de una delegación externa. Cuando su equipo farmacéutico necesita pistas de auditoría conformes con 21 CFR Part 11 para un modelo de IA en un proceso GxP, el alcance del proyecto se define para entregar el pipeline funcional operativo — no una presentación de PowerPoint que describe cómo debería verse.