Het gebruik van AI in ziekenhuizen dreigt te ontsporen door versnippering.
Deze waarschuwing komt van Wouter Kroese, oprichter van AI-pionier Pacmed.
“In de toekomst zullen zorgverleners tientallen, misschien wel honderden AI-gedreven inzichten en voorspellingen gebruiken. Als dat allemaal puntoplossingen zijn, wordt AI in de zorg onbetaalbaar, niet-implementeerbaar en onbeheerbaar.”
Tien jaar ervaring, weinig implementatie
Kroese’s oproep komt niet uit het niets. Pacmed begon in 2014 met plannen om de zorg te verbeteren via data en kunstmatige intelligentie (AI). Tien jaar later kan het bedrijf terugkijken op opvallende samenwerkingen, zoals met Amsterdam UMC en Santeon—maar ook op wat Kroese “pijnlijke statistieken” noemt.
“We hebben meegewerkt aan tientallen ontwikkelprojecten. De resultaten waren vrijwel altijd veelbelovend en deelnemers enthousiast. Maar implementatie en daadwerkelijke toepassing bleven vaak uit. Een veelbelovend algoritme is slechts een fractie van wat nodig is om een bruikbaar en schaalbaar product te bouwen.”
Pijnlijke conclusie
Volgens Kroese is de trage adoptie van AI sterk gerelateerd aan de gefragmenteerde organisatie van de zorg. Afdelingen en ziekenhuizen ontwikkelen hun eigen oplossingen, maar puntoplossingen zijn volgens hem een doodlopende weg:
“We hebben AI in de afgelopen jaren twee keer bij patiënten gebracht. Onze software heeft toen aangetoond waardevolle voorspellingen te leveren die helpen bij medische besluitvorming. Maar in beide gevallen bleek het niet levensvatbaar of schaalbaar. De pijnlijke conclusie: medische AI-besluitondersteuning werkt niet als puntoplossing.”
Schaal en EPD-integratie zijn cruciaal
Schaal is volgens Kroese noodzakelijk om fundamentele problemen aan te pakken, zoals de kwaliteit en toegankelijkheid van data uit het elektronisch patiëntendossier (EPD):
“We begonnen enthousiast met het verwerken, harmoniseren, verrijken en standaardiseren van IC-data, maar het kost enorm veel tijd om alle systemen aan elkaar te koppelen. En dan hebben we het nog niet eens gehad over de vele verschillende EPD-configuraties.”
Meer dan alleen techniek
EPD-integratie is slechts één technische hobbel. Andere uitdagingen zijn onder meer data-extractie, CE-certificering, continue datamonitoring en cloud-hosting. Samen zorgen die ervoor dat een puntoplossing veel te duur is, aldus Kroese:
“We hebben daar de afgelopen tien jaar een flinke prijs voor betaald, maar het moest ergens beginnen. Een puntoplossing is een logisch startpunt. Maar dat we tien jaar later op honderden plekken in Nederland opnieuw moeten beginnen—dat is zonde.”
Fragmentatie en AI-hype
Toch ziet Kroese dit als de dominante trend:
“Overal in het land ontstaan nieuwe initiatieven, los van elkaar. We besteden miljoenen euro’s en duizenden schaarse uren aan AI in Nederland. Het is cruciaal dat die investeringen daadwerkelijk bijdragen aan het toekomstbestendig maken van de zorg. Anders lopen we het risico op een AI-hype. En als die barst, verliezen we kostbare tijd en aandacht—die AI de komende jaren hard nodig heeft.”
Hergebruik van data en schaalbare oplossingen
Pacmed wil hierin het goede voorbeeld geven door zijn werk te baseren op waarde, impact, verantwoording en schaalbaarheid. Kroese:
“Samen met ziekenhuizen ontwikkelen we Pacmed Critical door tot een integraal, IC-breed product dat alle waardevolle informatie bundelt op basis van de behoefte van zorgverleners.”
Dit betekent onder andere:
- Hergebruik van dezelfde data voor meerdere toepassingen;
- Het faciliteren van AI-ontwikkeling voor ziekenhuizen;
- En het ondersteunen van IC’s om hun AI-ambities, onderzoek en projecten daadwerkelijk aan het bed te brengen.
Vooruitgang bij OLVG
Volgens Kroese laten de activiteiten bij OLVG zien dat het wél kan:
“Binnen enkele maanden hebben we daar een nieuwe functionaliteit ontwikkeld en uitgerold om de capaciteitsbenutting te verbeteren—terwijl het zeven jaar kostte om onze IC-ontslagsoftware te ontwikkelen.”
