The AI Reckoning in Healthcare: What Payers Can't Afford to Ignore 

Le problème que personne ne peut ignorer

L'American Medical Association a récemment rapporté que 60 % des médecins pensent que les outils d'intelligence artificielle sont à l'origine de refus de remboursement inutiles et que 80 % des refus d'autorisation préalable sont annulés après examen. De grands assureurs, dont UnitedHealthcare, Cigna et Humana, font actuellement l'objet de poursuites judiciaires en conséquence.

Il ne s'agit pas de petits problèmes. Ils représentent une crise de confiance fondamentale entre les payeurs, les prestataires et les patients. Et la manière dont l'IA est déployée, ou mal déployée, est au cœur de cette crise. Chez Improving, nous pensons que la réponse n'est pas de diminuer l'utilisation de l'IA, mais d'être plus intelligent sur la façon dont vous l'utilisez.

La gouvernance avant tout

L'une des choses les plus importantes sur lesquelles Scott insiste est que la gouvernance de l'IA est la base sur laquelle tout le reste est construit.

"Il s'agit de l'observabilité et de la gouvernance de l'IA, en veillant à ce que les bons outils soient en place", explique-t-il. Lorsqu'ils construisent des modèles d'IA pour des décisions cliniques ou administratives, les payeurs ont besoin de processus de gouvernance structurés qui examinent la qualité des données, testent les biais et impliquent les bonnes personnes, comme les responsables de la conformité, les cliniciens, les conseillers juridiques, les informaticiens et les scientifiques des données qui travaillent ensemble, et non en silos.

Les biais humains peuvent être intégrés dans les modèles d'IA sans que personne ne s'en rende compte. La bonne nouvelle, c'est qu'il existe désormais des boîtes à outils spécialement conçues pour détecter ces schémas. Mais vous devez mettre en place un processus pour les utiliser de manière cohérente.

Au-delà de la détection des biais, Improving travaille avec les organisations pour mener des analyses de risque formelles, définir des seuils de risque acceptables avec les équipes juridiques et mettre en œuvre des examens humains dans la boucle pour toute décision qui tombe dans une zone grise. Ce n'est pas seulement la bonne chose à faire, mais c'est aussi de plus en plus ce que les régulateurs exigent.

Rester conforme à l'évolution des règles : État par État

Le Texas, l'Arizona et le Maryland ont déjà adopté des lois interdisant le refus entièrement automatisé de la nécessité médicale. Le Colorado impose désormais des évaluations annuelles de l'impact de l'IA, et ce n'est qu'un début. Les réglementations s'étendent rapidement et diffèrent selon l'endroit où l'on opère. Pour de nombreux régimes de santé, cela pose une véritable question stratégique : faut-il construire maintenant ou attendre que la poussière réglementaire retombe ? La réponse de Scott est claire : construire avec souplesse.

Plutôt que d'interrompre le développement ou de construire pour un environnement réglementaire unique, Improving aide les plans de santé à concevoir des systèmes adaptatifs qui peuvent répondre automatiquement aux nouvelles règles. Cette approche permet aux payeurs de rester en conformité dans plusieurs États sans avoir à repartir de zéro à chaque fois qu'une nouvelle loi est adoptée, et elle ouvre la voie à l'élargissement de la portée du marché plutôt que d'être limité par l'incertitude réglementaire.

Ce que la CMS exige et ce qu'il faut pour y répondre

Deux initiatives majeures de la CMS redéfinissent ce que les payeurs doivent être capables de faire sur le plan technique, et les échéances approchent.

Le modèle WISER est un programme pilote de six ans de Medicare dans le cadre duquel l'IA est utilisée par des entreprises technologiques pour examiner les autorisations préalables. Pour les payeurs comme pour les fournisseurs, cela signifie que la CMS teste activement l'examen piloté par l'IA à grande échelle. Improving surveille cela de près, car un projet pilote réussi signifie probablement une adoption plus large, et les organisations qui exploitent déjà des flux de travail d'IA matures seront beaucoup mieux positionnées.

Exigences en matière d'interopérabilité d'ici 2026 Les payeurs devront prendre 80 % des décisions d'autorisation préalable en temps réel en utilisant les normes FHIR, les raisons spécifiques du refus étant rendues publiques. Il s'agit là d'une avancée technique considérable. La plupart des organismes payeurs utilisent aujourd'hui des systèmes de traitement par lots dans lesquels les données sont collectées et traitées à intervalles réguliers plutôt qu'en temps réel.

Le passage au traitement en temps réel nécessite plus qu'une simple mise à jour des logiciels. Il faut repenser fondamentalement la façon dont les données circulent dans une organisation, en s'appuyant sur des moteurs de règles et des cadres décisionnels puissants qui peuvent fonctionner à grande vitesse sans sacrifier la précision ou la conformité. Improving apporte une expertise technique approfondie dans exactement ce type de transformation de l'infrastructure, aidant les payeurs à moderniser leurs systèmes tout en maintenant les opérations en cours tout au long de la transition.

Vous êtes propriétaire de l'IA à laquelle vous accordez une licence

Scott soulève un point que tous les dirigeants du secteur de la santé devraient intégrer : La CMS a clairement indiqué que les plans de santé sont responsables des outils d'IA qu'ils achètent aux fournisseurs. Il n'est pas possible de se défendre en disant "nous l'avons acheté auprès d'un fournisseur".

Cela modifie considérablement la relation avec les fournisseurs. Vous ne pouvez pas vous contenter d'évaluer le produit d'un fournisseur. Il faut comprendre comment il prend ses décisions, sur quelles données il a été formé, s'il a été testé pour vérifier qu'il n'y a pas de biais, et comment il sera contrôlé au fil du temps.

Improving guide les plans de santé dans la construction de la capacité interne à évaluer, surveiller et documenter les outils d'IA dans leur portefeuille, que ces outils aient été construits en interne ou sous licence d'un tiers. Il s'agit notamment de vérifier en permanence les biais, de gérer la dérive des modèles et de conserver la documentation dont vous aurez besoin si les autorités de réglementation se manifestent.

L'IA, un avantage concurrentiel et non une simple réduction des coûts

Il est tentant de considérer l'IA uniquement comme un moyen de réduire les coûts opérationnels, ce qui est effectivement le cas. La détection prédictive des fraudes, la gestion des déchets et l'automatisation du traitement des demandes de remboursement se traduisent toutes par des gains d'efficacité significatifs. Pour les organisations dont les marges sont minces, c'est important. Mais Scott voit plus loin : L'IA est en train de devenir un fossé concurrentiel.

Lorsqu'un plan de santé utilise bien l'IA, il génère de meilleures données. De meilleures données conduisent à de meilleurs résultats pour les membres. De meilleurs résultats améliorent l'expérience des membres et renforcent la rétention. Les organisations qui investissent aujourd'hui de manière réfléchie dans l'infrastructure de l'IA se dotent d'avantages que leurs concurrents auront beaucoup de mal à combler par la suite.

Tout protéger : La cybersécurité ne peut pas être une réflexion après coup

Les payeurs de soins de santé détiennent certaines des données les plus sensibles qui soient, des informations de santé protégées (PHI) à grande échelle. Avec l'IA qui élargit l'accès et le traitement des données, les enjeux de sécurité augmentent en conséquence.

Improving recommande une architecture de sécurité zéro confiance pour les environnements des payeurs, c'est-à-dire un modèle où aucun utilisateur, appareil ou système n'est automatiquement fiable et où chaque demande d'accès est vérifiée. Associée à l'analyse comportementale pilotée par l'IA et à la micro-segmentation, cette approche constitue une défense solide contre les attaques externes et les vulnérabilités internes. La surveillance continue et en temps réel de la sécurité des fournisseurs complète une posture de sécurité mature.

Conçu pour la conformité dès le premier jour

En tant que partenaire de conseil avancé d'AWS, Improving aide les organismes de santé à concevoir et à exploiter des environnements cloud-natifs sur AWS qui sont architecturés pour la conformité HIPAA dès le départ. Plutôt que d'ajouter des contrôles après la mise en service des systèmes, cette approche intègre la sécurité, la gouvernance et la conformité directement dans les fondations de la plateforme. Le résultat est une infrastructure prête pour l'IA qui peut évoluer, s'adapter à l'évolution des réglementations et résister à l'examen réglementaire sans ralentir l'innovation.

Par où commencer ?

La complexité de l'IA dans l'espace payeur peut sembler écrasante. Les réglementations changent, les fournisseurs se multiplient, les échéances de la CMS approchent. C'est beaucoup à gérer tout en gérant un plan de santé.

L'approche d'Improving consiste à rencontrer les organisations là où elles se trouvent. Certains payeurs gèrent déjà des programmes d'IA sophistiqués et ont besoin d'aide en ce qui concerne la maturité de la gouvernance ou la préparation à l'interopérabilité. D'autres en sont à un stade plus précoce et bénéficient d'une évaluation structurée de leur situation et des priorités à établir.

Ce qui est constant dans chaque engagement, c'est notre conviction que la mise en place de l'IA dans le secteur de la santé n'est pas facultative. Pour les payeurs, elle devient le fondement d'opérations durables, conformes et compétitives. Vous êtes prêt à discuter de la situation de votre organisation ? Entamons la conversation.