LUMC-pilot: LUMC-AI-assistent bereidt wondrapportage voor

Een foto van een wond laten analyseren en vervolgens een voorstel voor de rapportage krijgen: dat is het doel van AI-assistent TAIME, ontwikkeld door het Leids Universitair Medisch Centrum (LUMC) en KickstartAI. Eerste tests met bestaande wondcasussen laten zien dat de assistent onderdelen van een verslag kan voorbereiden. Of dit verpleegkundigen in de dagelijkse praktijk tijd bespaart, moet nog worden onderzocht.

TAIME is ontwikkeld in samenwerking tussen AI-experts en zorgprofessionals. Het model doet op basis van een wondfoto voorstellen voor onder meer de afmetingen van de wond en het zichtbare weefsel. De verpleegkundige controleert en corrigeert de uitkomsten en blijft verantwoordelijk voor wat uiteindelijk in het patiëntendossier wordt vastgelegd.

Volgens het LUMC kost een volledige wondrapportage gemiddeld 10,7 minuten. Bij slechts 10,7 procent van de relevante contactmomenten wordt die rapportage volledig vastgelegd. Consequente verslaglegging is echter van belang om veranderingen in de grootte en het weefsel van een wond te kunnen volgen en zorgverleners dezelfde informatie te geven.

Eerste metingen

Voor het opmeten van wonden is het model getest op twaalf bestaande casussen. Bij wonden van minstens vijf centimeter week de gemeten lengte gemiddeld 6,8 procent af van de oorspronkelijke meting; voor de breedte was dat 11,4 procent. Daarnaast beoordeelden drie ervaren wondverpleegkundigen bij 150 bestaande casussen hoe goed het model de wond afbakent en zichtbaar weefsel herkent.

Die beoordelingen laten duidelijk zien waar nog verbetering nodig is. Vooral het bepalen van de precieze wondgrenzen blijft een aandachtspunt, aldus de onderzoekers. De correcties van de verpleegkundigen leveren gegevens op waarmee de ontwikkelaars de modellen verder kunnen trainen. Door de beperkte omvang van de eerste meettest en het gebruik van bestaande casussen kunnen de resultaten nog weinig zeggen over de prestaties tijdens een echt zorgcontact.

“Het belangrijkste resultaat is dat we nu zien dat AI daadwerkelijk delen van het tijdrovende registratiewerk kan voorbereiden”, meent Alexander van Someren, productmanager bij LUMC Cairelab. “Als we dit verder kunnen verbeteren, wordt het voor verpleegkundigen makkelijker om wonden vaker en op een consistente manier vast te leggen.”

Pilot met patiënten

ICT&health berichtte in november 2025 over de start van de ontwikkeling van het AI-model. De volgende onderzoeksfase moet plaatsvinden met echte patiënten. Daarin willen LUMC en KickstartAI meten hoeveel tijd TAIME in de praktijk bespaart en of verpleegkundigen er vaker een volledig wondverslag mee maken. Ook moet blijken hoe de toepassing in het werkproces van de wondzorg past.

Voor die fase zoekt het LUMC samenwerking met andere ziekenhuizen die wonddata kunnen delen. Meer uiteenlopende casussen moeten helpen het model robuuster te maken. Ook leveranciers van medische software en startups worden uitgenodigd om bij te dragen aan de verdere ontwikkeling en toepassing van TAIME.

Tijdrovende wondzorg

Jaarlijks krijgen ruim een half miljoen Nederlanders te maken met (complexe) wonden. De zorg voor deze patiënten is intensief én tijdrovend. Verpleegkundigen moeten wonden beoordelen, foto’s maken, deze handmatig uploaden in het EPD en vervolgens uitgebreide formulieren invullen. Pas later volgt een beoordeling door de wondverpleegkundige.

“Verpleegkundigen ervaren dit als een flinke administratieve last,” benadrukte Albert Simonse, wondverpleegkundige en Nursing Information Officer bij het LUMC, bij de aankondiging van het TAIME-project in november vorig jaar. “Die tijdsdruk zet de continuïteit van goede wondzorg onder spanning.”

Het streven was destijds om het model binnen een jaar operationeel te hebben in het LUMC. Na validatie zou de technologie ook uitgerold kunnen worden naar andere zorginstellingen, waaronder samenwerkingspartners zoals Erasmus MC.

Het project komt voort uit de National AI Challenge 2025, een initiatief van KickstartAI en de AI Coalition for the Netherlands (AIC4NL). Het winnende voorstel van LUMC/CaireLab en de Nederlandse Politie werd bekroond als een van de meest maatschappelijk relevante AI-use cases.