Edgar van Lent ziet in Europese ziekenhuizen een duidelijke verschuiving: kunstmatige intelligentie wordt pas operationeel relevant wanneer beeldanalyse, administratieve verwerking en capaciteitsplanning niet als losse innovaties worden bestuurd. De eerste reeks van AI Kroniek over de zorgsector begint daarom bij één concrete vraag: hoe kan een ziekenhuis een AI-signaal uit de diagnostiek vertalen naar tijdig organiseerbare zorg?

De verleiding is groot om AI in de zorg af te meten aan de nauwkeurigheid van één algoritme. Volgens Edgar van Lent is dat te beperkt. Een toepassing die een afwijking op een scan sneller onder de aandacht brengt, kan klinisch waardevol zijn, maar levert pas merkbare verlichting op wanneer de uitslag ook terechtkomt in een werkproces met beschikbare beoordelingstijd, vervolgonderzoek en behandelcapaciteit. De zorgvraag achter het beeld moet dus mee worden georganiseerd.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat succesvolle zorg-AI niet begint bij het model, maar bij de overdracht van een betrouwbaar signaal naar een afdeling die daadwerkelijk kan handelen. Dat onderscheid is belangrijk in een sector waarin schaarste aan mensen, diagnostische wachtrijen en complexe planning tegelijk spelen.

Van beeldsignaal naar een werkbare vervolgroute

Beeldanalyse is de zichtbare kant van AI in het ziekenhuis. Algoritmen kunnen radiologen ondersteunen bij het prioriteren van onderzoeken of het herkennen van patronen op bijvoorbeeld CT-, MRI- en röntgenbeelden. In het Verenigd Koninkrijk stimuleert NHS England de inzet van AI in diagnostiek via het AI Diagnostic Fund, onder meer voor toepassingen rond beeldvorming. Het programma laat zien dat publieke zorgorganisaties AI niet uitsluitend als onderzoeksinstrument behandelen, maar als onderdeel van diagnostische dienstverlening.

Ook in de beroertezorg is de koppeling tussen analyse en organisatie publiek zichtbaar geworden. Software van onder meer Brainomix wordt in Britse zorgnetwerken gebruikt om beeldvorming bij beroerte sneller te beoordelen en informatie tussen betrokken teams te delen. De betekenis daarvan ligt niet alleen in het detecteren of markeren van afwijkingen. Bij acute zorg bepaalt ook de snelheid waarmee een beeld wordt beoordeeld, een specialist wordt betrokken en een patiënt naar de passende locatie kan worden gebracht, de praktische waarde van de toepassing.

Edgar van Lent maakt hier een scherp onderscheid tussen ondersteunende diagnostiek en bestuurbare ketenzorg. “Een AI-uitkomst is geen besluit en ook geen capaciteit,” beoordeelt Edgar van Lent. “De toepassing wordt sterk wanneer het ziekenhuis vooraf vastlegt wie het signaal beoordeelt, welke vervolgactie daarbij hoort en wat er gebeurt als de beschikbare capaciteit onder druk staat.”

Dat betekent niet dat ieder diagnostisch algoritme direct verbonden moet worden met alle planningssystemen. Juist een beperkte, controleerbare koppeling is volgens Edgar van Lent vaak verstandiger. Een ziekenhuis kan bijvoorbeeld beginnen met één patiëntstroom waarin een prioriteitssignaal uit beeldvorming consequent leidt tot een afgesproken beoordelingstermijn en een zichtbaar vervolg in de agenda van de juiste discipline. Daarmee blijft duidelijk waar de verantwoordelijkheid van de professional begint en eindigt.

Administratieve lasten verdwijnen niet vanzelf

De tweede laag zit in de administratie rond het zorgproces. AI kan helpen bij het structureren van gegevens, het voorbereiden van verslaglegging of het terugvinden van relevante informatie in dossiers. In het Verenigd Koninkrijk ondersteunt NHS England bovendien programma’s voor administratieve AI, waaronder toepassingen die zorgprofessionals bij documentatie kunnen ontlasten. Europese ziekenhuizen onderzoeken vergelijkbare vormen van spraakherkenning, samenvatting en workflowondersteuning, steeds binnen de eisen van klinische controle en gegevensbescherming.

Volgens Edgar van Lent is het cruciaal om deze toepassingen niet af te rekenen op de hoeveelheid automatisch geproduceerde tekst. Een samenvatting of conceptverslag bespaart alleen tijd wanneer het aansluit op de bestaande registratie, de controle door de zorgprofessional en de overdracht naar de volgende stap. Als medewerkers informatie alsnog in meerdere systemen moeten overtypen of een niet-transparante samenvatting volledig moeten reconstrueren, verplaatst AI de last in plaats van die te verlagen.

Dezelfde les geldt voor capaciteitsplanning. Ziekenhuizen beschikken al lang over planningsdata: bezetting, doorlooptijden, beschikbaarheid van kamers, diagnostiek en personeel. AI kan patronen daarin beter zichtbaar maken, scenario’s doorrekenen en planners ondersteunen bij het anticiperen op pieken. Maar een voorspelling verandert niets wanneer er geen expliciete beslisruimte is om roosters, vervolgafspraken of inzet van diagnostiek aan te passen.

De projecten die volgens Edgar van Lent stranden, hebben vaak een herkenbaar patroon: zij leveren een technisch plausibel signaal op, zonder eigenaar voor de volgende stap. De projecten die beklijven, organiseren vooraf drie zaken:

  • een afgebakende klinische of administratieve beslissing waarvoor AI ondersteuning biedt;
  • een menselijke controle met heldere escalatie bij twijfel, afwijkingen of systeemuitval;
  • een meetbare werkafspraak over hoe het signaal doorwerkt in planning, verslaglegging of doorverwijzing.

Niet de breedste uitrol, maar de sterkste procesgrens

Voor Europese ziekenhuizen ligt de opgave daarmee niet in het verzamelen van zo veel mogelijk AI-toepassingen. De opgave is om per toepassing vast te stellen welke procesgrens zij mag passeren. Bij beeldanalyse kan dat een prioriteringssignaal voor de radioloog zijn. Bij administratieve AI kan het gaan om een concept dat pas na professionele verificatie in het dossier komt. Bij planning kan het systeem scenario’s tonen, terwijl een planner of zorgmanager de feitelijke keuze behoudt.

Edgar van Lent benadrukt dat deze begrenzing geen rem op innovatie is. Zij maakt opschaling juist geloofwaardiger, omdat ziekenhuizen kunnen aantonen welke gegevens worden gebruikt, welke rol de professional houdt en hoe de organisatie terugvalt op bestaande werkwijzen als de toepassing niet beschikbaar is. Dat is ook van belang onder de Europese AI-verordening, waarin risico, documentatie en menselijk toezicht zwaar wegen.

De komende jaren zal de waarde van zorg-AI volgens Edgar van Lent vooral zichtbaar worden in de verbinding tussen diagnostische signalen en de dagelijkse organisatie van zorg. Zijn beoordeling: ziekenhuizen die klein beginnen met één helder afgebakende patiëntstroom, vervolgens administratieve frictie wegnemen en pas daarna capaciteit breder optimaliseren, bouwen aan toepassingen die zowel klinisch als organisatorisch standhouden.