AI in de patiëntreis: waar begin je als zorgorganisatie?

Kort antwoord

Begin bij één concreet probleem in de zorg dat je zonder het woord AI kunt beschrijven, niet bij de technologie. Toets daarna vijf punten: het probleem, de plek in het zorgproces, de controle op de uitkomst, de verantwoordelijkheid en je data. Kun je die niet beantwoorden, dan is het in onze ogen nog te vroeg om te starten.

Je organisatie wil of moet nadenken over AI. Het ministerie van VWS wil de inzet van AI in zorg en welzijn veilig en verantwoord versnellen en is daarvoor het Programma Realisatie AI in de zorg gestart. De druk om iets te doen is dus reëel. Het risico is dat je begint bij een tool of aanbod, en niet bij een probleem. Deze blog helpt bestuurders, managers en zorgprofessionals om in vijf vragen te bepalen of en waar AI in hun zorgproces past.

Wat is AI in de patiëntreis?

De patiënt- of cliëntreis is het geheel van stappen en contactmomenten die iemand doorloopt, van de eerste hulpvraag tot en met de nazorg. AI in die reis is software die op een of meer van die momenten een taak overneemt of ondersteunt.

Wat de overheid zegt: AI wordt al jaren ingezet in de zorg, bijvoorbeeld bij medische beeldanalyse en het voorspellen van behandeleffecten op basis van historische gegevens. Het kan losse software zijn, onderdeel van een groter softwarepakket, of verwerkt zijn in medische hulpmiddelen zoals sensoren of apparaten. AI is dus geen nieuw begrip in de zorg, maar het speelt op steeds meer plekken in de reis.

Vraag 1: Welk probleem los je op?

Kies één probleem van een patiënt, cliënt of zorgverlener dat je kunt beschrijven zonder het woord AI. Beschrijf ook hoe je merkt dat het is gelukt.

Denkbeeldig voorbeeld, alleen om de vorm te laten zien: “Cliënten wachten te lang op een terugkoppeling” is een probleem. “We willen een chatbot” is een oplossing.

Wat de overheid zegt: VWS schrijft dat AI bij passende inzet de kwaliteit van zorg kan verbeteren, de zorg toegankelijker kan maken en de druk op de arbeidsmarkt kan verlichten. Een helder probleem maakt het mogelijk om te beoordelen wat passend is.

Onze interpretatie: kun je het doel alleen beschrijven met de oplossing erin, dan is het nog niet scherp. 

Vraag 2: Raakt het aan het primaire zorgproces?

Kijk of het probleem in het zorgproces zelf speelt, dus bij diagnose, behandeling of begeleiding, en niet alleen in de ondersteuning, zoals administratie. Dat is een afweging, geen regel.

Wat de overheid zegt: VWS richt zich in het programma op beide kanten, met extra aandacht voor het terugdringen van administratieve lasten.

Onze mening: wie alleen ondersteunende processen aanpakt, laat de vraag liggen waar de zorg zelf beter van wordt.

Wanneer het anders kan: is je organisatie nog niet ver met AI, dan kan een ondersteunend proces een veilige plek zijn om te leren. Zie het als oefening en niet als einddoel.

Vraag 3: Wie controleert de uitkomst?

Leg vooraf vast wie de uitkomst van AI beoordeelt, waarop, en wanneer een mens ingrijpt. Het risico dat hierachter zit heet automation bias: de neiging om te veel op automatisch advies te vertrouwen.

Wat onderzoek laat zien: een systematische review uit 2026 in het Journal of Healthcare Leadership bekeek studies uit 2015 tot en met 2025 over generatieve AI in de zorg. Automation bias kwam in 10 studies terug als thema, deskilling (verlies van vaardigheden) in 9 studies. De review beschrijft dat generatieve AI diagnostiek en beslisondersteuning kan verbeteren, maar dat te veel vertrouwen risico’s geeft voor de kwaliteit van het oordeel van de zorgverlener. Menselijk toezicht (human-in-the-loop) wordt genoemd als een van de maatregelen om dat te beperken. Het is één review van één auteur, en de uitkomsten zijn themas, geen foutpercentages.

Wat de wet zegt: de AI-verordening vraagt bij hoog-risico systemen dat de personen die toezicht houden zich bewust blijven van de neiging om automatisch op de output te vertrouwen. Aanbieders en gebruikers van AI-systemen moeten ook maatregelen nemen om de AI-geletterdheid van hun personeel te ondersteunen. De hoog-risicoverplichtingen gelden na de Digital Omnibus (Verordening (EU) 2026/1744, in werking sinds 27 juli 2026) vanaf 2 december 2027 voor systemen uit bijlage III en vanaf 2 augustus 2028 voor systemen uit bijlage I. Bijlage I omvat onder meer AI in producten onder de MDR en IVDR, dus medische hulpmiddelen. Of jouw toepassing onder hoog-risico valt, hangt af van wat je inzet. Laat dat toetsen door een jurist. Dit is geen juridisch advies. 

Onze interpretatie: leg per toepassing vier dingen vast: welke uitkomst je beoordeelt, wie dat doet, wanneer een mens ingrijpt en hoe je dat vastlegt. De beoordelaar heeft genoeg vakkennis nodig om een fout te herkennen, ook als het antwoord overtuigend klinkt.

Vraag 4: Wie is verantwoordelijk voor AI in je organisatie?

De zorgprofessional is verantwoordelijk voor de zorg in het individuele geval. Het bestuur is verantwoordelijk voor de randvoorwaarden. Dat is onze lezing van de bronnen.

Wat de overheid zegt: AI is nadrukkelijk ondersteunend en de eindverantwoordelijkheid ligt bij de zorgprofessional die de toepassing gebruikt.

Onze interpretatie: om die verantwoordelijkheid waar te kunnen maken, moet het bestuur regelen wat AI mag doen, hoe de controle is ingericht en welke functies erbij horen. Het helpt om vroeg één eigenaar op bestuursniveau aan te wijzen. 

Vraag 5: Zijn je data goed genoeg voor AI?

Ja, als je kunt aanwijzen welke gegevens de toepassing nodig heeft, waar ze staan en of ze eenduidig zijn vastgelegd. Eenduidig betekent dat dezelfde gegevens in dezelfde categorieën en op dezelfde manier worden genoteerd.

Wat de overheid zegt: VWS noemt databeschikbaarheid en datakwaliteit belangrijke randvoorwaarden voor een goede ontwikkeling van AI. Wat Nictiz zegt: met zorginformatiebouwstenen (zibs) wordt gezondheidsdata uniform vastgelegd en gedeeld.

Onze interpretatie: kun je de drie dingen niet aanwijzen, dan is ordenen een beter eerste project dan AI.

Hoe ziet dit eruit in een voorbeeld?

Hieronder lopen we de vijf vragen langs voor een denkbeeldig geval. Het is een illustratie, geen praktijkcase en geen medisch advies.

Stel: patiënten meten thuis hun bloeddruk met een wearable, en een algoritme geeft de medisch specialist een signaal als waarden buiten afgesproken grenzen komen.

1. Probleem: controlemetingen vragen veel polikliniekbezoeken.
2. Plek: het primaire proces, want het gaat om monitoring en beoordeling door de medisch specialist.
3. Controle: de specialist beoordeelt elk signaal en bepaalt zelf of actie nodig is. Er is afgesproken wanneer de patiënt tóch wordt opgeroepen.
4. Verantwoordelijkheid: een eigenaar op bestuursniveau, met afspraken in functies en procesinrichting.
5. Data: meetwaarden en grenswaarden zijn eenduidig vastgelegd en te koppelen aan het dossier.

Kun je bij een van de vijf punten geen antwoord geven, dan weet je waar je moet beginnen.

Hoe wij hiernaar kijken

PAQT is een softwareontwikkelaar die zich richt op sectoren waar fouten grote gevolgen hebben, zoals de zorg. Wij bouwen zelf software, dus we kijken er niet van een afstand naar. Die achtergrond bepaalt onze volgorde: eerst het probleem en de controle, dan pas de techniek. Onze collega Pieter van Weijen, business development manager, sprak er onlangs over met ICT&health. Lees hier het gehele artikel: AI integreren in de patiënt- en cliëntreis. Wil je het kort lezen, dan staat de kern in ons nieuwsbericht.

Afsluiting

Wie met AI begint, doet er goed aan eerst te toetsen of het probleem scherp is en de verantwoordelijkheid is belegd. De techniek komt daarna. Dit is een kader voor je eigen afweging, geen vaste route. Regelgeving verandert, dus controleer de actuele stand voordat je erop bouwt.