Nederlandse zorginstellingen en opleidingen werken op dit moment met een ‘spiegel’ om AI‑geletterdheid te vergroten. Het gaat om een begeleide reflectiemethode voor teams die met algoritmen en datamodellen werken. De gesprekken vinden plaats in de zorgpraktijk en het onderwijs. Doel is veilig gebruik, betere besluitvorming en voorbereiding op de Europese AI‑verordening en de AVG.
Spiegelmethode maakt AI concreet
De ‘spiegel’ is een laagdrempelige werkvorm met vragen en casussen over kunstmatige intelligentie. Een begeleider leidt zorgprofessionals door korte stappen: wat doet het systeem, welke data gebruikt het, en wie is verantwoordelijk? Zo wordt abstracte technologie gekoppeld aan herkenbare handelingen, zoals triage, medicatiebewaking of beeldvorming.
AI‑geletterdheid is het vermogen om de werking, kansen en risico’s van algoritmen te begrijpen en er bewust en verantwoord mee te werken.
Teams bespreken ook grenzen: wat mag het model beslissen, en wanneer grijpt een mens in? De methode vraagt naar datakwaliteit, foutkansen en uitlegbaarheid. Dit helpt om misvattingen te voorkomen, bijvoorbeeld dat een model altijd gelijk heeft of overal inzetbaar is.
Een sessie duurt meestal minder dan een uur en past in bestaande overleggen. Deelnemers benoemen concrete acties, zoals het vastleggen van een werkinstructie of het toetsen van nieuwe datasets. Resultaten worden teruggekoppeld aan kwaliteitsteams en bestuur.
Sluit aan op AI‑verordening
De Europese AI‑verordening (AI Act) classificeert veel zorgtoepassingen als hoog risico. Dan gelden eisen voor risicobeheer, menselijk toezicht, transparantie en logging. Een ‘spiegel’-sessie maakt deze eisen praktisch: welke risico’s zien we, hoe borgen we toezicht, en wat leggen we vast?
De aanpak vervangt geen formele conformiteitstoets of CE‑markering. Wel helpt zij om rollen en verantwoordelijkheden te verdelen en lacunes vroeg te vinden. Denk aan ontbrekende prestatiecijfers, onduidelijke datastromen of gebrek aan fallback‑procedures.
Ook de AVG blijft leidend bij gegevensverwerking in zorgprocessen. Dataminimalisatie, doelbinding en versleuteling komen standaard terug in de vragenlijst. Waar nodig volgt na de ‘spiegel’ een Data Protection Impact Assessment (DPIA) met concrete mitigerende maatregelen.
Praktijk: van triage tot EPD
Veel zorgteams verkennen tekstgeneratoren zoals ChatGPT (OpenAI) en Microsoft Copilot voor samenvatten of brieven. De ‘spiegel’ behandelt dan veilige invoer, hallucinaties en bronvermelding. Teams spreken af hoe zij uitkomsten controleren en welke teksten wel of niet automatisch worden overgenomen.
Bij digitale triage vraagt de methode naar fouttolerantie en escalatie. Wat gebeurt er bij twijfel, en wie beoordeelt risicocases? Ook wordt besproken of het systeem even goed presteert bij verschillende patiëntgroepen en in drukke diensten.
Voor besluitondersteuning in beeldvorming of het EPD gaat het gesprek over datakwaliteit en representativiteit. Teams kijken naar meetwaarden als sensitiviteit en specificiteit en hoe die in de eigen populatie uitpakken. Afsluitend worden monitoring en terugkoppeling ingericht, bijvoorbeeld via maandelijkse kwaliteitsreviews.
Grenzen en aandachtspunten
De ‘spiegel’ is geen audit en geen technisch modelonderzoek. Organisaties blijven zelf verantwoordelijk voor validatie, documentatie en leveranciersafspraken. Zeker bij software als medisch hulpmiddel onder de MDR zijn aantoonbare prestaties en post‑market surveillance verplicht.
Zonder tijd, eigenaarschap en een getrainde gespreksleider blijft het bij goede bedoelingen. Borging in beleid, scholing en werkafspraken is daarom nodig. Leg uitkomsten vast in het kwaliteitssysteem en koppel ze aan onboarding en herregistratie.
Toegang tot technische informatie is cruciaal. Vraag leveranciers om modelkaarten, foutanalyses en updates bij datadrift. Bij generatieve AI is het belangrijk om verwerkersovereenkomsten en opslaglocaties te toetsen, bijvoorbeeld bij gebruik van Azure OpenAI of Google Cloud in EU‑regio’s.
Stappen voor zorgorganisaties
Begin met een overzicht van AI‑toepassingen in zorgpad en ondersteunende processen. Rangschik deze op risico en impact voor patiëntveiligheid en privacy. Start ‘spiegel’-sessies bij de hoogste prioriteiten en plan herhaling bij grote releases.
Koppel de uitkomsten aan inkoop, DPIA en klinische validatie. Leg ook vast wie menselijk toezicht houdt en wanneer stoppen of escaleren nodig is. Zorg dat logbestanden en prestatiecijfers beschikbaar en uitleesbaar zijn voor toezicht en interne audits.
Investeer in basiskennis voor alle betrokkenen, inclusief bestuur en inkoop. Gebruik korte e‑learnings en praktijkoefeningen aan echte casussen. Sluit aan bij bestaande overlegstructuren, zoals MDO’s, VIM‑rondes of kwaliteitscommissies.
Vooruitzicht in Nederland en EU
De druk om AI‑geletterdheid te versterken neemt toe door de Europese AI‑verordening en bestaande AVG‑regels. Instellingen die nu oefenen met gestructureerde reflectie bewegen sneller mee met nieuwe eisen. Dit verkleint vertraging bij implementatie en verkleint nalevingsrisico’s.
Samenwerking tussen ziekenhuizen, hogescholen en brancheorganisaties kan de methode verder verfijnen. Denk aan gedeelde vraagensets, voorbeeldcasussen en open formats voor documentatie. Zo worden lessen herbruikbaar van SEH tot wijkzorg.
De verwachting is dat ‘spiegel’-werkvormen vaker worden gekoppeld aan leveranciersselectie en lifecycle‑management. Daarmee verschuift AI van losse pilots naar beheerst gebruik in de lijn. Patiëntveiligheid, uitlegbaarheid en privacy blijven daarbij het vaste ijkpunt.