Nederlandse en Europese ziekenhuizen investeren in kunstmatige intelligentie, maar zien nu vooral kosten. De systemen moeten artsen helpen met beeldanalyse, triage en administratie, toch leveren ze zelden directe besparingen op. Op het moment van schrijven spelen strengere regels uit de AVG en de komende Europese AI-verordening ook mee. Integratie met het elektronisch patiëntendossier en onduidelijke bekostiging vertragen de uitrol.
Besparingen blijven uit
Ziekenhuizen zetten AI in voor herkenning van afwijkingen op röntgenfoto’s en CT-scans. Namen die vaak terugkomen zijn Aidoc, Annalise.ai en Gleamer, allemaal met CE-markering als medisch hulpmiddel. Deze tools kunnen sneller alarmeren, maar vervangen geen arts. De werkdruk verschuift, de loonkosten dalen niet direct.
Ook spraakgestuurde verslaglegging, zoals Nuance DAX van Microsoft, belooft tijdwinst bij consulten. In de praktijk vraagt dit training, aanpassing van werkprocessen en controle door de arts. Dat kost uren en dus geld. De baten komen pas als het breed en stabiel draait.
Bestuurders zien bovendien verborgen kosten. Denk aan contracten, beveiligingstesten en scholing. Als pilots niet doorgroeien naar structureel gebruik, verdampt de investering.
Integratie met EPD stokt
AI moet naadloos aansluiten op het elektronisch patiëntendossier (EPD), zoals ChipSoft HiX en Epic. Koppelingen via standaarden als HL7 en FHIR lijken simpel, maar elke inrichting is anders. Daardoor zijn er maatwerkprojecten per ziekenhuis. Dat vertraagt en maakt duur.
Zonder goede integratie ontstaat dubbel werk. Artsen moeten dan schermen wisselen of data kopiëren. Dat is onveilig en onhandig. Het haalt bovendien de beloofde tijdwinst onderuit.
Cloudleveranciers als Microsoft Azure, Google Cloud en AWS bieden AI-diensten, maar data mogen de zorgomgeving niet ongecontroleerd verlaten. Nederlandse ziekenhuizen vragen versleuteling, dataminimalisatie en logging. Dit streng inregelen kost tijd en licentiegeld.
Regels maken het duurder
AI in de zorg valt onder de Europese regels voor medische hulpmiddelen (MDR). Fabrikanten moeten veiligheid en klinische prestatie aantonen, ook na updates. Ziekenhuizen moeten daarnaast toetsen of het gebruik past bij hun patiëntenpopulatie. Dat vraagt eigen validaties en monitoring.
De AVG eist doelen, zo min mogelijk data en beveiliging op orde. Vaak is een data protection impact assessment (DPIA) verplicht. In Nederland is NEN 7510 de norm voor informatiebeveiliging in de zorg. Het voldoen aan al deze eisen vraagt deskundigheid en doorlopende audits.
De nieuwe Europese AI-verordening (AI Act) zet veel zorgtoepassingen in de categorie hoog risico. Dat betekent extra plichten voor risicobeheer, datakwaliteit en menselijk toezicht. Deze regels treden gefaseerd in werking in de komende jaren.
AI-systemen voor diagnose, triage en zorgbeslissingen gelden onder de AI-verordening als hoog-risico: organisaties moeten aantoonbaar werken met goede data, duidelijke taken voor menselijk toezicht en continue bewaking van prestaties en fouten.
Bekostiging is nog onduidelijk
Financiële prikkels in de zorg zijn niet ingericht op algoritmen. In het DBC-systeem is er zelden een aparte vergoeding voor AI-beslisondersteuning. De investering komt daardoor vaak volledig bij het ziekenhuis te liggen. Dat remt brede invoering.
De Nederlandse Zorgautoriteit (NZa) laat op het moment van schrijven experimenten toe met innovatiebekostiging. Toch is structurele bekostiging nog schaars. Zorginstituut Nederland vraagt stevige bewijsvoering voor doelmatigheid. Veel pilots halen die drempel nog niet.
Zonder helder model voor inkoop en vergoeding blijven leveranciers afhankelijk van losse contracten. Dat maakt prijzen onvoorspelbaar. Gezamenlijke inkoop via ziekenhuisnetwerken kan helpen, maar staat nog in de kinderschoenen.
Lessen uit vroege pilots
Toepassingen met een smalle, duidelijke taak werken het best. Denk aan prioritering van beelden bij mogelijke beroertes of longafwijkingen. Het algoritme rangschikt, de radioloog beslist. Dit verkort de doorlooptijd, maar verandert de factuur nauwelijks.
Ook planning en capaciteitsmanagement laten kansen zien. AI kan operatieroosters, beddencapaciteit en poliplanning beter voorspellen. De winst is minder uitval en minder wachttijd. De financiële baten volgen pas als processen en personeelsinzet worden aangepast.
Succesvolle teams starten klein en meten continu. Ze documenteren beslisregels, loggen uitkomsten en betrekken de medezeggenschap. Zo bouwen ze bewijs voor kwaliteit én voor toekomstige bekostiging.
Wat ziekenhuizen nu kunnen
Maak een portfolio van kansrijke AI-cases met duidelijke doelen en risico’s. Koppel elk project aan het EPD-team van ChipSoft of Epic, de functionaris gegevensbescherming en informatiebeveiliging. Leg afspraken vast over dataminimalisatie, versleuteling en menselijke controle. Zo voldoet het project aan AVG, MDR en straks de AI-verordening.
Richt monitoring in alsof het al hoog-risico is. Bewaak prestaties, bias en incidenten per versie van het model. Documenteer updates en beslissingen. Dat bespaart later herwerk als de AI-verordening volledig geldt.
Zoek tenslotte naar nieuwe bekostiging en schaalbare inkoop. Verken NZa-ruimte voor innovatie en Europese subsidies. Bundel vraag met andere ziekenhuizen om prijzen te drukken en eisen te standaardiseren.
