Het Leids Universitair Medisch Centrum (LUMC) introduceert Healthy AI, een leertraject voor zorginnovatie met kunstmatige intelligentie. Deelnemers leren in Leiden hoe een idee uit de praktijk uitgroeit tot een bruikbare toepassing en een haalbaar plan. De start is op het moment van schrijven in gang gezet met nieuwe rondes en begeleiding. Doel is veilige en snelle inzet van algoritmen in de zorg, met oog voor de AVG en de Europese AI-verordening en hun gevolgen voor zorginstellingen en overheid.
Praktisch ondernemerschap in zorg
Healthy AI richt zich op zorgprofessionals, onderzoekers en studenten die iets willen bouwen dat echt gebruikt gaat worden. Het traject combineert korte workshops met coaching en werkt aan concrete stappen per week. De aanpak is nuchter: eerst het probleem scherp krijgen, dan pas een oplossing kiezen.
De deelnemers oefenen met het testen van aannames bij gebruikers, zoals artsen, verpleegkundigen en patiƫnten. Ze leren eenvoudige methoden om waarde te meten, bijvoorbeeld tijdswinst of minder fouten. Ook komt financiering aan bod, zonder marketingtaal en met aandacht voor haalbare kosten-baten.
Het doel is om aan het eind een duidelijk plan te hebben voor een proof-of-concept in de zorg. Dat plan omvat een eerste technisch ontwerp, een route voor datatoegang en de benodigde toestemming. Daarnaast hoort er een risicobeoordeling bij, passend bij de eisen van ziekenhuis en wetgeving.
Focus op echte problemen
Het programma begint bij concrete knelpunten in het werk, niet bij technologie. Voorbeelden zijn wachttijden, triage, administratieve lasten of planning van bedden en personeel. Zo blijft het model dienend aan het proces, in plaats van andersom.
Deelnemers leren wat een algoritme doet: patronen vinden in data om een voorspelling of suggestie te geven. Ze oefenen met kleine datamodellen en simpele evaluaties, zoals nauwkeurigheid en foutkansen. Begrijpelijke uitleg staat voorop, zodat teams beslissingen kunnen controleren.
Aandachtspunten zijn datakwaliteit, vooroordelen in datasets en inzet buiten de trainingsomgeving. Het traject bespreekt wat je doet als een model faalt en hoe een mens de eindbeslissing houdt. Dat helpt om fouten klein te houden en vertrouwen op te bouwen.
AVG en zorgdata uitgelegd
Gezondheidsgegevens vallen onder bijzondere persoonsgegevens in de AVG, en vragen daarom extra bescherming. Healthy AI behandelt praktische stappen: dataminimalisatie, pseudonimisering, toegangsrechten en loggen van gebruik. Een Data Protection Impact Assessment (DPIA) hoort daar op het moment van schrijven standaard bij.
Wie met leveranciers werkt, heeft een verwerkersovereenkomst nodig en moet versleuteling en beveiliging aantonen. In Nederlandse ziekenhuizen is NEN 7510 de norm voor informatiebeveiliging in de zorg. Het traject laat zien hoe je deze eisen al in het ontwerp meeneemt.
De AVG verplicht tot dataminimalisatie: verwerk niet meer gegevens dan nodig is voor het doel.
Ook het delen van data voor onderzoek of een pilot krijgt aandacht. Deelnemers leren het verschil tussen een behandelgrondslag en toestemming, en wanneer welke basis passend is. Zo voorkomen teams vertragingen in ethische toetsing en juridische afstemming.
AI-verordening stuurt ontwerp
De Europese AI-verordening (AI Act) deelt systemen in risicoklassen in. Veel klinische AI, zoals diagnose- of triagetools, valt in de hoogrisicoklasse. Dan gelden er strengere eisen, zoals risicobeheer, menselijk toezicht, technische documentatie en kwaliteitsmanagement.
Wanneer AI medische beslissingen ondersteunt, valt de software vaak ook onder de Europese MDR voor medische hulpmiddelen. Dat vraagt om klinische evaluatie, CE-markering en toezicht na ingebruikname. Healthy AI helpt deelnemers deze paden vroeg te verkennen om verrassingen later te voorkomen.
Het programma bespreekt ook transparantie en uitlegbaarheid, die nodig zijn voor artsen en patiƫnten. Denk aan heldere waarschuwingen, herleidbare aanbevelingen en een veilige fallback naar handmatige besluitvorming. Zo sluit het ontwerp aan op juridische plichten Ʃn dagelijks werk.
Van pilot naar praktijk
Een goed idee moet passen in de werkvloer en het elektronisch patiƫntendossier (EPD), zoals Epic of ChipSoft HiX. Daarom komt integratie via simpele koppelvlakken en standaarden als HL7 FHIR aan bod. Kleine stappen, duidelijke verantwoordelijkheden en meetpunten maken implementatie beheersbaar.
Teams leren vooraf afspraken te maken over eigenaarschap, onderhoud en updates van het systeem. Ook wordt besproken hoe je resultaten van een pilot meet: veiligheid, kwaliteit, tijdswinst en tevredenheid. Deze cijfers helpen bij inkoop en verdere besluitvorming in het ziekenhuis.
Tot slot gaat het over duurzame bekostiging en schaal. Denk aan aansluiting op doelen uit het Integraal Zorgakkoord en regionale samenwerking. Met gedeelde lessen en open evaluaties groeit de kans dat een pilot doorstroomt naar brede toepassing.