AI in de zorg: nauwkeurig op papier, onbewezen aan het bed

Kunstmatige intelligentie moet de zorg sneller, goedkoper en beter maken. Dat is althans de belofte. AI kan patiëntendossiers doorzoeken, artsen helpen bij diagnoses, scans analyseren, administratieve taken overnemen en zelfs waarschuwen voor levensgevaarlijke situaties zoals sepsis.

Maar volgens de Financial Times wringt precies daar de schoen. De technologie ontwikkelt zich razendsnel, terwijl het bewijs dat AI in de dagelijkse zorg daadwerkelijk betere patiëntuitkomsten oplevert vaak achterblijft.

Het probleem van valse alarmen

Een treffend voorbeeld komt uit een ziekenhuis in Michigan. Daar werd een AI-systeem ingevoerd dat elke vijftien minuten patiëntendossiers scande op signalen van sepsis. In theorie klinkt dat geweldig. Sepsis kan levensbedreigend zijn en vroeg ingrijpen is cruciaal.

In de praktijk kregen artsen zo vaak waarschuwingen dat ze het systeem steeds minder serieus namen. Het werd het klassieke verhaal van de jongen die te vaak “wolf” riep.

Als een AI-tool te veel alarm slaat, neemt de alertheid van artsen juist af. Dan helpt de technologie niet, maar voegt zij ruis toe aan een toch al overbelast systeem.

Nauwkeurig is niet hetzelfde als nuttig

Daar zit een groter probleem achter. Veel AI-bedrijven bewijzen vooral dat hun model statistisch goed presteert. Het model herkent patronen, voorspelt risico’s of haalt hoge scores in een testomgeving.

Maar in de zorg is dat niet genoeg. De echte vraag is niet of een algoritme op papier nauwkeurig is. De echte vraag is of patiënten er beter van worden.

Worden diagnoses sneller gesteld? Daalt het aantal medische fouten? Worden behandelingen effectiever? Besparen artsen echt tijd, zonder dat nieuwe risico’s ontstaan? Volgens experts is voor dat soort vragen vaak verrassend weinig hard bewijs.

Generatieve AI krijgt de aandacht

In beeldvorming en diagnostiek zijn er sterke voorbeelden waar AI aantoonbaar helpt. Denk aan scans of colonoscopieën waarbij algoritmes afwijkingen kunnen opsporen.

Maar veel aandacht gaat nu naar generatieve AI, zoals systemen die medische teksten samenvatten of artsen ondersteunen bij beslissingen.

Juist daar is het bewijs ingewikkelder. Deze modellen veranderen snel, werken met gevoelige data en kunnen overtuigend klinken terwijl ze toch fouten maken. Dat vraagt om voortdurende controle in echte ziekenhuizen, niet alleen om testen in een laboratorium.