Les hôpitaux face à la conformité alors que le CMS lance le Playbook AI v4
Les hôpitaux pourraient se retrouver en difficulté pour respecter les directives après la publication par les Centres pour Medicare et Medicaid (CMS) de la version 4 de son Playbook AI.
Évolution de l’adoption de l’IA par le CMS
Le playbook documente l’approche évolutive de l’agence en matière d’adoption et de maturité de l’IA, offrant des conseils spécifiques au CMS, des outils et des cadres pour les dirigeants, les équipes de projet et les professionnels de l’informatique et de la sécurité. La version 4 reflète la transition du CMS d’une exploration précoce de l’IA vers le développement d’une maturité fondamentale, informée par des directives fédérales et des retours d’expérience du personnel du CMS.
Mandats clés
Le playbook introduit deux mandats qui pourraient être lourds pour certaines installations hospitalières : des mesures de sécurité au niveau des requêtes pour toute IA générative utilisée dans la prestation de soins, et une traçabilité des données auditable pour chaque requête, interaction avec le modèle et sortie.
Pénalités en cas de non-conformité
Les pénalités pour non-conformité s’appuieront principalement sur les mécanismes d’application existants du CMS, se concentrant sur les défaillances en matière de gouvernance de l’IA. Les menaces financières immédiates proviendront des risques de remboursement et des programmes de qualité existants :
- Réductions/Dénégations de paiement : Si un modèle d’IA est utilisé dans un flux de travail financé par Medicare et ne respecte pas les mesures de sécurité obligatoires, le CMS peut refuser ou récupérer les paiements associés.
- Non-conformité aux conditions de participation : Une mauvaise supervision de l’IA pourrait entraîner des sanctions financières et la perte d’accréditation, empêchant ainsi un hôpital de participer aux programmes Medicare et Medicaid.
- Pénalités des programmes de qualité : L’échec à atténuer les biais ou erreurs induits par l’IA pourrait nuire à la performance d’un hôpital dans des programmes de qualité, entraînant des réductions de paiement annuelles.
Surveillance de la conformité
Le CMS s’appuiera sur plusieurs couches de surveillance :
- Audits : Les audits actuels du CMS élargiront leur portée pour demander des preuves de gouvernance et de validation de l’IA.
- Attestation : Les hôpitaux devront probablement attester de leur conformité aux normes de sécurité et de gouvernance de l’IA dans leurs rapports annuels.
- Examen des demandes : Des modèles avancés utilisent déjà l’IA pour examiner les demandes afin de détecter les services « superflus et inappropriés ».
Traçabilité des données auditable
La « traçabilité des données auditable » exige que les hôpitaux suivent et conservent un enregistrement complet et vérifiable de l’influence de l’IA, y compris :
- Données d’entrée : Les données de patient utilisées comme entrée pour la requête d’IA.
- Requête : La requête exacte, y compris les mesures de sécurité appliquées.
- Identification du modèle : La version spécifique et la configuration du modèle d’IA utilisé.
- Sortie de l’IA : La sortie brute générée par l’IA.
- Intervention humaine : Un enregistrement de toute révision humaine de la sortie de l’IA avant son intégration dans le dossier patient.
- Action finale : La décision clinique ou administrative résultant du flux de travail influencé par l’IA.
Les hôpitaux devraient planifier de conserver cette documentation de traçabilité pendant un minimum de 6 à 10 ans.
Coûts de conformité
Les coûts pour se conformer aux nouvelles réglementations en matière d’IA sont significatifs et dépassent l’acquisition technologique. Les coûts estimés incluent :
- Nouvelle infrastructure : 100 000 – 500 000 $
- Talent : 150 000 – 350 000 $ par poste
- Documentation de conformité : 50 000 – 200 000 $ par modèle validé
- Coût total estimé pour un système de taille moyenne : Plusieurs millions de dollars sur 3 ans.
Impact sur les petites installations
Les petites installations, comme les hôpitaux critiques d’accès, pourraient souffrir davantage en raison du manque d’expertise interne, des coûts fixes plus lourds et d’un retard technologique dans l’adoption de nouveaux outils d’IA.
Modèle de détection de facturation WISER
Le modèle WISER introduit un changement fondamental dans la gestion du cycle de revenus, entraînant un risque d’audit accru :
- Gestion proactive : Les hôpitaux doivent s’assurer de la nécessité médicale avant la prestation de service.
- Risque d’audit « IA sur IA » : L’utilisation de technologies d’IA pour examiner la conformité augmente le risque de refus par un algorithme tiers.
- Besoin d’une IA explicable : Les hôpitaux doivent prouver l’auditabilité et la transparence de leurs systèmes.
Conclusion
Ce changement réglementaire indique une bifurcation critique dans l’adoption de l’IA en santé : un ralentissement à court terme dû à des exigences strictes et une accélération à long terme grâce à une intégration institutionnelle plus sûre.
