De uitdagingen bij het opschalen van klinische AI

ma 16 november 2026 - 08:45
De uitdagingen bij het opschalen van klinische AI
AI
Nieuws

Kunstmatige intelligentie biedt steeds meer mogelijkheden om zorgprofessionals te ondersteunen bij diagnostiek, behandeling en administratieve processen. Toch blijft de overstap van veelbelovende AI-toepassingen naar structureel gebruik in ziekenhuizen ingewikkeld. Niet alleen de technologie, maar vooral de beschikbaarheid van betrouwbare data, de inrichting van werkprocessen, regelgeving en digitale vaardigheden bepalen of AI daadwerkelijk meerwaarde krijgt. Dat bleek tijdens een bijeenkomst van AI-bedrijf Kaiko, waar zorgbestuurders, artsen, ontwikkelaars en juridische experts ervaringen uitwisselden over de implementatie van klinische AI.

De bijeenkomst maakte deel uit van het Zurich AI Festival. Centraal stond de vraag hoe ziekenhuizen AI kunnen integreren in de dagelijkse patiëntenzorg, zonder dat afzonderlijke toepassingen leiden tot versnippering van systemen, gegevens en verantwoordelijkheden. De ervaringen van onder meer de Zwitserse Insel Gruppe en het Nederlandse Antoni van Leeuwenhoek laten zien dat succesvolle implementatie vraagt om een combinatie van technologische infrastructuur, klinische betrokkenheid en duidelijke besluitvorming.

Digitale basis heeft prioriteit

Volgens Michael Stickel, Chief Medical Information Officer (CMIO) van de Insel Gruppe in Bern, moeten ziekenhuizen beginnen met een samenhangende digitale infrastructuur. Hij pleit ervoor AI zoveel mogelijk te integreren in het elektronisch patiëntendossier (EPD), in plaats van voor iedere toepassing afzonderlijke systemen te introduceren. Een geïntegreerde aanpak kan het beheer van gegevens, toegangsrechten, toezicht en contracten vereenvoudigen. Stickel wees erop dat de goedkeuring van één AI-platform door de kantonale privacyautoriteit meer dan twee jaar kan duren. Bij afzonderlijke toepassingen kunnen vergelijkbare procedures opnieuw nodig zijn.

Tegelijkertijd erkent hij dat integratie in het EPD niet voor iedere toepassing haalbaar is. Ziekenhuizen moeten daarom een afweging maken tussen een centrale infrastructuur en de flexibiliteit om gespecialiseerde oplossingen te gebruiken.

Een tweede uitdaging is het selecteren van geschikte toepassingen. Volgens Stickel kunnen ziekenhuizen kiezen uit honderden mogelijke AI-toepassingen, maar ontbreekt vaak een duidelijke methode om prioriteiten te stellen. Bij de Insel Gruppe worden voorstellen daarom beoordeeld op zes criteria: klinische meerwaarde, verbetering van werkprocessen, patiëntveiligheid, direct gebruik door patiënten, juridische risico's en financiële gevolgen. Voordat een toepassing breder wordt ingevoerd, doorloopt deze een beoordeling van gegevensbescherming en risico's. Vervolgens testen enkele getrainde zorgprofessionals de technologie in de praktijk.

AI maakt tumorbeoordeling nauwkeuriger

Een concreet voorbeeld van klinische AI werd gepresenteerd door Kevin Groot Lipman, AI-implementatieleider bij het Antoni van Leeuwenhoek en Kaiko. Hij besprak de beoordeling van behandelresultaten bij patiënten met pleuraal mesothelioom, een vorm van kanker waarbij tumoren zich rondom de long ontwikkelen. Door de onregelmatige vorm van deze tumoren is het lastig om met traditionele metingen vast te stellen of een behandeling voldoende effect heeft. Bij de gebruikelijke beoordeling wordt onder meer gekeken naar veranderingen in de tumordiameter. Een groei van 20 procent kan daarbij een belangrijke grens vormen voor het beoordelen van ziekteprogressie.

Volgens Groot Lipman kan de keuze van de meetlocatie echter tot verschillende uitkomsten leiden. In een door hem aangehaalde vergelijking kwamen twee medische experts in slechts 53 procent van de gevallen tot dezelfde beoordeling. Zijn onderzoeksteam ontwikkelde daarom een AI-methode die niet alleen afzonderlijke diameters meet, maar het volledige tumorvolume bepaalt. Het model analyseert CT-beelden en markeert de pixels die tot de tumor behoren. Volgens Groot Lipman kan de AI deze segmentatie binnen een minuut uitvoeren, waarna de volumebepaling binnen ongeveer vijftien minuten beschikbaar is voor de behandelaar.

De toepassing illustreert hoe AI bestaande diagnostische meetmethoden kan aanvullen met gedetailleerdere informatie. Of deze aanpak ook leidt tot betere behandelbeslissingen en patiëntuitkomsten, moet afzonderlijk worden vastgesteld.

Zorgprofessionals moeten betrokken blijven

Tijdens de bijeenkomst kwam ook de organisatie van AI binnen ziekenhuizen aan bod. Een belangrijk aandachtspunt is wie bepaalt welke toepassingen worden ingevoerd en wie verantwoordelijk is voor het gebruik ervan. Volgens de deelnemende experts moeten zorgprofessionals een centrale rol spelen bij deze beslissingen. Daarbij gaat het niet uitsluitend om artsen, maar ook om verpleegkundigen, medisch codeurs en andere medewerkers die met dezelfde patiëntgegevens werken.

Een gezamenlijke beoordeling kan voorkomen dat afdelingen onafhankelijk van elkaar toepassingen aanschaffen die onvoldoende op elkaar aansluiten. Daarnaast is scholing een belangrijke voorwaarde. Stickel beschouwt onvoldoende AI-vaardigheden als een van de grootste knelpunten bij de implementatie. Binnen zijn organisatie krijgen medewerkers daarom pas toegang tot een AI-toepassing nadat zij de bijbehorende training hebben gevolgd. Die aanpak benadrukt dat digitale transformatie niet alleen vraagt om investeringen in software, maar ook om de ontwikkeling van kennis en vaardigheden binnen zorgorganisaties.

Regelgeving en verantwoordelijkheid

De juridische aspecten van klinische AI vormen een aanvullende uitdaging. Tijdens een paneldiscussie werd benadrukt dat artsen verantwoordelijk blijven voor hun medische beslissingen, ook wanneer zij daarbij AI gebruiken. Jurist Thomas Kuster wees erop dat professionele standaarden kunnen veranderen wanneer nieuwe technologie aantoonbaar betere patiëntuitkomsten oplevert. Naarmate AI onderdeel wordt van de algemeen aanvaarde medische praktijk, kan volgens hem ook de verantwoordelijkheid van zorgverleners veranderen. Dat betekent niet dat iedere nieuwe AI-toepassing automatisch moet worden gebruikt. De klinische meerwaarde en veiligheid moeten eerst voldoende zijn aangetoond.

Ook de verhouding tussen gegevensbescherming en informatiebeveiliging kwam aan bod. Strenge privacyvereisten kunnen volgens Kuster soms de inzet van technisch goed beveiligde oplossingen bemoeilijken. Hij pleitte daarom voor een bredere discussie over de afweging tussen beide belangen. Een ander aandachtspunt is de afhankelijkheid van leveranciers. AI die rechtstreeks in het EPD is geïntegreerd, kan relatief eenvoudig worden opgeschaald, maar kan ziekenhuizen tegelijkertijd sterker afhankelijk maken van één technologieaanbieder.

De verschillende praktijkervaringen laten zien dat de invoering van klinische AI niet kan worden teruggebracht tot het aanschaffen van nieuwe software. Ziekenhuizen moeten keuzes maken over gegevensinfrastructuur, samenwerking, scholing en verantwoordelijkheden. Daarbij is niet het aantal geïmplementeerde AI-toepassingen doorslaggevend, maar de vraag of ze aantoonbaar bijdragen aan betere, veiligere en doelmatigere patiëntenzorg.

De volledige bijeenkomst is terug te kijken via de website van Kaiko.

Voeg ICT&health toe aan Google

Toon meer content van ICT&health in Google Zoeken.

Toevoegen aan Google

Ook dit onderwerp krijgt een prominente plek tijdens de ICT&health World Conference 2027. Wil je erbij zijn en niets missen? Reserveer dan tijdig je ticket.