Groningse onderzoekers krijgen een investering van enkele tonnen voor een AI-toepassing die heroperaties bij kanker moet voorkomen. Het project draait in en rond het Universitair Medisch Centrum Groningen (UMCG) en de Rijksuniversiteit Groningen. De proef start in de kliniek zodra de eerste versie van het systeem gereed is. Doel is minder snijranden-problemen en kortere operaties, met betere uitkomsten voor patiënten.
Groningen zet in op zorg-AI
Het UMCG werkt met regionale medtech- en softwarepartners aan een tool die chirurgen direct feedback geeft over tumorgrenzen. De financiering dekt ontwikkeling, validatie en een eerste klinische studie. De investering moet het traject van laboratorium naar operatiekamer versnellen. Daardoor kan de toepassing eerder patiënten in Noord-Nederland bereiken.
De universiteit levert kennis over medische beeldanalyse en datamodellen. Het ziekenhuis zorgt voor klinische data en het testprotocol. Samen ontwikkelen zij een aanpak die past binnen ziekenhuisprocessen en bestaande apparatuur in de OK. Dat verkleint de kans op dure aanpassingen achteraf.
Op het moment van schrijven is de commerciële productnaam nog niet bekendgemaakt. In de ontwikkelfase draait het om een werkend prototype met duidelijke veiligheidsmarges. Pas daarna volgt een CE-traject als medisch hulpmiddel. De partners houden opties open voor een spin-off of licentie.
Systeem beoordeelt snijranden
Het algoritme analyseert beelden van weefsel tijdens de operatie en schat of er nog tumorcellen aan de snijrand zitten. Kunstmatige intelligentie is hier een verzamelnaam voor rekenmodellen die patronen leren uit voorbeelden. De arts ziet de uitslag als een extra signaal naast eigen beoordeling en standaard tests. Dat kan een tweede ingreep overbodig maken.
Technisch werkt het systeem met getrainde modellen op beelddata en gelabelde pathologie-uitslagen. Elke voorspelling blijft uitlegbaar met markeringen in het beeld, zodat de chirurg begrijpt waar de waarschuwing vandaan komt. De software draait bij voorkeur op hardware in het ziekenhuis, om datastromen klein en veilig te houden. Daarmee blijft ook de responstijd in de OK laag.
Een belangrijke ontwerpkeuze is dat de mens beslist, niet de machine. De AI geeft een risico-indicatie in begrijpelijke taal en kleurcodes. Chirurgen houden controle over de snijstrategie en kunnen de AI negeren. Zo past het systeem binnen klinische routine en richtlijnen.
Klinische proef in operatiekamer
Eerst volgt een technische validatie met historische gegevens. Daarna start een kleine studie in de operatiekamer met strikte protocollen en monitoring. Doel is aantonen dat het systeem veilig is en de kans op heroperaties verlaagt. Ook wordt gemeten of de OK-tijd niet toeneemt.
Voor bredere inzet is bewijs nodig in meerdere ziekenhuizen en patiëntgroepen. De onderzoekers plannen daarom een vervolgstudie met een controlegroep. Zo ontstaat harde data over effectiviteit, kosten en logistiek. Verzekeraars kunnen die cijfers gebruiken bij vergoedingsbesluiten.
De fabrikant moet het hulpmiddel certificeren onder de Europese MDR, de medische-hulpmiddelenwet. Dat vraagt risicobeheer, kwaliteitsprocessen en post-market surveillance. Ziekenhuizen hebben daarnaast een plicht tot scholing en incidentmelding. De rol van de medisch specialist blijft centraal in de keten.
Gegevensbescherming volgens AVG
Het project gebruikt patiëntgegevens alleen voor duidelijk afgebakende doelen, in lijn met de AVG. Waar mogelijk worden data gepseudonimiseerd of geanonimiseerd. Toegang is beperkt tot teams die ze strikt nodig hebben. Dataminimalisatie en versleuteling gelden als standaard.
Voor trainingsdata is een gegevensbeschermingseffectbeoordeling (DPIA) nodig. Deze beschrijft risico’s, bewaartermijnen en technische maatregelen. Het ziekenhuis registreert wie toegang heeft en logt elk gebruik. Zo blijft herleidbaar wat er met data gebeurt.
Regionale datadeling kan spelen als meerdere ziekenhuizen meedoen. Dan zijn verwerkersovereenkomsten en duidelijke rollen essentieel. De Autoriteit Persoonsgegevens heeft richtlijnen voor dit soort samenwerkingen. Daarop sluit de aanpak in Groningen aan.
AI-verordening stelt hoge eisen
De Europese AI-verordening (AI Act) ziet medische beslissystemen als hoog risico. Dat betekent extra plichten voor datakwaliteit, menselijke controle en transparantie. De leverancier moet eerlijke, representatieve trainingsdata aantonen. Ook moet duidelijk zijn hoe het model presteert bij verschillende patiëntgroepen.
“Medische AI die de zorgverlener ondersteunt, valt in de EU onder hoog risico en vereist een conformiteitsbeoordeling met risicobeheer, datagovernance en menselijke toezichtmaatregelen.”
Ziekenhuizen moeten gebruik loggen en periodiek evalueren. Bij afwijkingen of bijwerkingen zijn meldingen verplicht. Patiënten hebben recht op uitleg over de inzet van algoritmen. Zij mogen ook vragen om een menselijke herbeoordeling.
De Groningse aanpak bouwt deze eisen vanaf het begin in. Dat verkort later de tijd tot markttoelating. Tegelijk blijft het model aanpasbaar bij nieuwe richtlijnen of extra data. Zo blijft het systeem toekomstbestendig.
Impact op Nederlandse zorg
Als heroperaties dalen, vermindert de druk op operatiekamers en wachtlijsten. Dat past bij het Integraal Zorgakkoord, dat inzet op passende en efficiënte zorg. Ook dalen kosten voor ziekenhuisopnames en complicaties. Patiënten herstellen sneller en hoeven minder vaak terug.
Verzekeraars kijken mee naar bewezen effect en kosten-baten. Vroege betrokkenheid kan opname in zorgpakketten versnellen. Regionale uitrol via het UMCG kan als voorbeeld dienen voor andere centra. Daarna is landelijke opschaling mogelijk.
De techniek kan breder inzetbaar zijn, bijvoorbeeld bij borst-, hoofd-hals- of darmkanker. Wel is per tumorsoort nieuwe training en validatie nodig. Zo blijft de klinische waarde aantoonbaar. Het Groningse project legt daarmee de basis voor meerdere toepassingen.
