AI & de toekomst van de zorg

Beeldherkenning wordt in de zorg al jaren toegepast. Een model leert van duizenden scans, huidfoto's of netvliesbeelden hoe een afwijking eruitziet en wijst verdachte plekken aan. Het kijkt bij het honderdste beeld even scherp als bij het eerste, en dat telt in een bevolkingsonderzoek waarin bijna alle beelden normaal zijn. De FDA heeft software toegelaten die netvliesfoto's zelfstandig beoordeelt op diabetische oogschade waarvoor iemand naar de oogarts moet. In een grote studie naar borstkankerscreening bepaalde AI welke mammogrammen één radioloog kreeg en welke twee: er werden meer tumoren gevonden, met bijna de helft minder beoordelingen. Of elke extra vondst behandeld moet worden, blijft een afweging van de arts.

Een AI-notulist luistert tijdens het consult mee en maakt van het gesprek een conceptverslag: de klachten, het onderzoek, de afspraken, en desgewenst een verwijsbrief en een samenvatting voor de patiënt. Dat scheelt typwerk, en de arts kan de patiënt weer aankijken in plaats van het scherm. In een proef op een spoedeisende hulp scheelde het artsen ruim drie kwartier per dienst. Het verslag blijft een concept, dat de arts naleest voordat het in het dossier komt. Zo'n tekst leest vloeiend, en juist daarom let de arts gericht op wat ertoe doet: staat de allergie erin die de patiënt noemde, en is de dosering goed overgenomen?

Triage is bepalen wie het eerst zorg nodig heeft en waar die patiënt heen moet. AI voegt daar een voorspelling aan toe: hoe groot is de kans dat deze patiënt wordt opgenomen, en hoe druk wordt het vanavond op de spoedeisende hulp? Met dat antwoord kan een ziekenhuis eerder een bed regelen en de bezetting beter verdelen, zodat patiënten korter wachten. Op een spoedeisende hulp rekent een model elke vijf minuten die opnamekans uit; boven de vijftig procent kan de afdeling alvast een bed klaarmaken. Dat leverde al tijdwinst op. Hoeveel het wordt, hangt af van heldere werkafspraken over wanneer artsen op de voorspelling een opname aanvragen.

Vroegsignalering is het herkennen van tekenen van achteruitgang, zodat zorgverleners eerder kunnen beoordelen of ingrijpen nodig is. Verpleegkundigen doen dat al jaren met scorelijsten voor hartslag, ademhaling en bloeddruk. AI gaat verder: het volgt die waarden doorlopend, samen met labuitslagen, en zoekt naar een patroon dat geen van de losse signalen laat zien. Bij sepsis, een ontsporende reactie van het lichaam op een infectie, telt elk uur. In vijf ziekenhuizen lag de sterfte onder sepsispatiënten bijna een vijfde lager als artsen de waarschuwing van zo'n systeem binnen drie uur bevestigden, een verband en nog geen bewijs. Hoe goed zo'n model werkt, verschilt sterk per systeem, en daarom toetst een ziekenhuis het eerst op de eigen patiënten.

Een agent is AI die zelfstandig de stappen zet om een taak af te ronden. Waar een chatbot antwoord geeft, zet een agent de afspraak in de agenda, verstuurt hij het bericht of belt hij de patiënt terug, en werkt hij daarvoor in de systemen van de praktijk. Dat maakt agents geschikt voor het voorspelbare werk dat nu de telefoonlijn verstopt, zoals de piek om acht uur 's ochtends bij de huisarts: de klacht uitvragen, een afspraak boeken, de patiënt na een ingreep nabellen. In ziekenhuizen schrijft AI al conceptantwoorden op vragen van patiënten, die een zorgverlener controleert voordat ze worden verstuurd. Per handeling ligt vast wat de agent mag, en bij welk signaal een mens het overneemt.

Een taalmodel is AI die is getraind op enorme hoeveelheden tekst. Het beantwoordt vragen in gewone taal, vat dossiers samen en redeneert over wat het leest. Modellen die ook medische literatuur hebben verwerkt, helpen een arts bij een lastige diagnose, als naslagwerk dat terugpraat. In een test met complexe casussen uit een vooraanstaand medisch tijdschrift stelde een AI-systeem dat een artsenoverleg nabootste vaker de juiste diagnose dan ervaren artsen zonder collega's of naslagwerk. Ook de patiënt gebruikt taalmodellen. Hij heeft zijn uitslagen soms al aan een chatbot voorgelegd en komt binnen met een lijstje gerichte vragen. Het gesprek begint dan op een ander niveau, en de arts toetst wat het model beweerde.

Precisiegeneeskunde stemt een behandeling af op de kenmerken van één patiënt, in plaats van op het gemiddelde van een groep. AI vindt in weefselbeelden, labwaarden en klinische gegevens patronen die voorspellen hoe een ziekte verloopt en wie baat heeft bij welke behandeling. Twee mannen met dezelfde prostaatkanker, hetzelfde stadium, dezelfde leeftijd: de een heeft baat bij hormoontherapie naast bestraling, de ander vooral last van de bijwerkingen. In behandelrichtlijnen staat inmiddels een AI-test die uit biopsiebeelden en klinische gegevens inschat wie bij welke groep hoort, ontwikkeld met gegevens van duizenden patiënten uit gerandomiseerde studies. Wat de arts terugkrijgt, is een kans, en daarmee een beter gesprek over hoeveel voordeel de belasting waard is.

In de ggz kan AI op twee manieren helpen. Het ondersteunt behandelaars bij de intake, het verslag en het volgen van klachten, zodat er meer tijd overblijft voor het gesprek zelf. En het praat met cliënten: een therapiechatbot herhaalt oefeningen uit de behandeling en is bereikbaar wanneer de behandelaar dat niet is, 's avonds of tussen twee sessies. In een gerandomiseerde studie daalden de depressieklachten bij deelnemers die zo'n chatbot gebruikten gemiddeld met ongeveer de helft. Onderzoekers lazen mee en konden ingrijpen als dat nodig was. Als verlengstuk van de behandeling vraagt zo'n chatbot om duidelijke afspraken: wie volgt de gesprekken, en wanneer neemt een behandelaar het over?

Een medicijn werkt meestal doordat een molecuul zich hecht aan een eiwit in het lichaam en daarmee iets aan- of uitzet. Wie zo'n molecuul wil ontwerpen, moet weten hoe dat eiwit eruitziet, en die driedimensionale vorm bepalen kostte soms jaren experimenteel werk. AI voorspelt die vorm nu in minuten; de bedenkers van die methode kregen er in 2024 de Nobelprijs voor scheikunde voor. Dat versnelt het begin van de medicijnontwikkeling: het aangrijpingspunt vinden en een molecuul ontwerpen dat erop past. Een kandidaatmiddel tegen longfibrose, waarvan het doelwit en het molecuul met AI zijn gevonden, bereikte de tweede fase van klinisch onderzoek. Of zo'n middel werkt en veilig is, moet nog steeds bij mensen blijken.

In een AI-first zorgorganisatie nemen AI en nieuwe technologie het herhalende en voorspellende werk over: het werk dat zorgverleners niet hoeven te doen. Technologie kan het registreren, plannen, uitvragen en nabellen overnemen en drukte en opnames voorspellen, zodat de professional tijd kan overhouden voor werk waarbij menselijk contact en professioneel oordeel tellen: een moeilijk gesprek voeren, een twijfelgeval wegen, zien dat iemand banger is dan hij zegt. Veel organisaties gebruiken AI nog op kleine schaal, als hulpmiddel bij het oude werk. Wie AI-first werkt, bekijkt per afdeling welke taken technologie kan overnemen en hoeveel tijd daardoor vrijkomt voor persoonlijk contact.

Als AI een deel van het werk overneemt, verandert het werk dat overblijft, en ontstaat er werk dat er eerst niet was. Die verandering raakt grofweg drie soorten rollen. Zorgverleners die het werk van AI toetsen: ze zoeken minder, controleren meer en beslissen wanneer ze van een advies afwijken. Mensen die de technologie bewaken: ze gaan na of een model na een update nog goed presteert, zoeken fouten uit en besluiten wanneer een systeem tijdelijk uit moet. En specialisten in vakgebieden die met de technologie meegroeien, zoals genetica, robotchirurgie en zorg op afstand. Veel van die rollen staan nog in geen functieomschrijving of opleiding. Wie ze wil invullen, moet ze eerst benoemen en er tijd in het rooster voor maken.

Op een verpleegafdeling werken mensen en AI steeds vaker als één team, met een duidelijke taakverdeling. AI zet het gesprek aan het bed om in een verslag, helpt bij de planning van bedden en diensten en analyseert metingen en dossiergegevens, zodat een verslechtering eerder opvalt. Een volgende stap is een agent die de behandeling voorbereidt: uitslagen, medicatie en eerdere afspraken bij elkaar brengen en de onderzoeken van die dag inplannen. De verpleegkundige controleert, grijpt in en ziet wat in geen dossier staat: een patiënt die stiller is dan gisteren, een familie die het niet meer aankan. Het team spreekt af wie het werk van de AI nakijkt en wie aanspreekbaar is als het fout gaat.

Leiders in de zorg nemen zelf het initiatief bij AI en nieuwe technologie. Met hun voorbeeld inspireren ze zorgverleners om samen aan de toekomst te bouwen. Het begint met richting: een beeld van de eigen zorg over tien jaar, concreet genoeg dat een afdelingshoofd weet wat het voor zijn team betekent. Dan initiatief: zelf beginnen, klein en zichtbaar, ook voordat de techniek is uitontwikkeld of alle mogelijkheden duidelijk zijn. En het vraagt omgaan met onzekerheid. Niemand weet hoe de zorg er over tien jaar precies uitziet. Een goede leider zegt dat hardop, kiest toch een koers en stelt die bij als de feiten veranderen.

Software is snel gekocht; een afdeling die anders gaat werken, niet. Veranderen in de zorg gaat zelden over technologie. Het gaat over de bereidheid van zorgverleners en leiders om nieuwe mogelijkheden te verkennen en daarna ook echt anders te werken: een gewoonte loslaten, een taak uit handen geven, melden wanneer de tool een fout maakt. In een monitor onder ziekenhuizen noemen ze zelf waar het vastloopt: te weinig kennis bij medewerkers en moeite met veranderen, naast geld. Die bereidheid groeit waar mensen ruimte krijgen om te proberen, onder werktijd en met echte casussen, en waar leiders zelf als eersten anders gaan werken. Waar die bereidheid ontbreekt, blijft de beste AI een pilot.

De medewerker van de toekomst heeft kennis nodig die opleidingen niet altijd op tijd bieden: hoe je met AI werkt, wanneer je een systeem wel en niet vertrouwt, hoe je je eigen oordeel scherp houdt. Organisaties nemen daarom zelf de regie, in een eigen toekomstacademie. Zittende medewerkers scholen zich er bij, nieuwe collega's worden er voorbereid op het werk met AI en nieuwe technologie. Voorlopers nemen er hun collega's mee.

Een ecosysteem is het netwerk van partijen waarmee een organisatie samen oplossingen bouwt: partners, start-ups, wetenschappers en overheden. Vergrijzing, personeelstekort en AI zijn te groot voor één organisatie, regio of land. Partners elders hebben soms al ervaring met een vraagstuk waarvoor jouw organisatie nog een oplossing zoekt. Wie zulke partijen vindt en met ze samenwerkt, leert van hun ervaring, kan fouten voorkomen die anderen al maakten en brengt een vernieuwing sneller in de praktijk. Het succes van een organisatie hangt steeds meer af van de kwaliteit van haar ecosysteem.