Chirurgen en onderzoekers in Nederland en Europa werken aan algoritmen die het “gevoel” van ervaren operateurs kunnen leren. Zij combineren video, krachtsensoren en software om weefselspanning en instrumentdruk beter in te schatten tijdens een operatie. Dit gebeurt nu in universitaire ziekenhuizen en bij makers van operatierobots als Intuitive Surgical en Medtronic. Het doel is veiliger ingrepen en snellere training, binnen de kaders van de AVG en de Europese AI-verordening voor zorgtoepassingen.
AI mist nog tastzin
Ervaren chirurgen sturen vaak op kleine signalen: hoe een hechting “trekt”, of hoe een tumor voelt. Huidige robot- en camerasystemen zien vooral beeld, maar voelen niet. Daardoor ontbreekt cruciale informatie over kracht en weefselgedrag. Algoritmen moeten die verborgen signalen leren, zodat het systeem kan waarschuwen of adviseren.
Computer vision, software die beelden interpreteert, herkent al instrumenten en operatiestappen. Maar beeld alleen vertelt weinig over druk of wrijving. Zonder tastinformatie blijft het risico op te hard trekken of prikken bestaan. AI moet dus leren koppelen: wat je ziet aan het scherm en wat je normaal voelt met je hand.
Grote merken zetten kleine stappen. De da Vinci-robot van Intuitive Surgical, Hugo van Medtronic en Versius van CMR Surgical bieden op dit moment vooral visuele hulpfuncties. Echte haptische feedback, terugkoppeling van kracht en aanraking, is zeldzaam of experimenteel. Onderzoekers gebruiken daarom testopstellingen en simulators om data te verzamelen.
Data uit de operatiekamer
Om “gevoel” te leren, moeten systemen veel praktijkdata zien. Denk aan laparoscopische video, instrumentbewegingen en drukmetingen aan de instrumentpunt. Zulke data zijn schaars en lastig te labelen. Ziekenhuizen bouwen daarom stapsgewijs datasets op en gebruiken soms openbare sets zoals Cholec80 voor basisfuncties zoals stapherkenning.
Beelden uit de OK bevatten gevoelige persoonsgegevens. Onder de AVG geldt dataminimalisatie en versleuteling als basis. Ziekenhuizen moeten toegang beperken, loggen wie wat doet en patiënten goed informeren. Voor onderzoek zijn extra waarborgen en vaak een ethische toets nodig.
Video-platforms helpen bij ordenen en anonimiseren. Medtronic’s Touch Surgery Enterprise en startups als Theator en Caresyntax bieden tools voor veilige opslag en analyse. Daarmee kunnen teams operaties terugkijken, knelpunten markeren en trainingsmateriaal maken. Pas daarna komt modeltraining in beeld.
Haptiek en krachtmeting
Haptische feedback is het voelbaar teruggeven van kracht en aanraking via een apparaat. Dat kan met krachtsensoren in instrumenten of met software die kracht schat uit beeld. Beide routes worden onderzocht, vaak gecombineerd met simulatie om veilig te oefenen. Het doel is subtiele grenzen aangeven, niet om de chirurg te vervangen.
Haptische feedback: het teruggeven van druk, weerstand of trilling zodat een gebruiker “voelt” wat een instrument doet, ook als die niet direct contact heeft met het weefsel.
Onderzoeksplatforms zoals de dVRK (da Vinci Research Kit) maken snelle experimenten mogelijk. Teams testen bijvoorbeeld of AI de trekkracht kan begrenzen bij hechten. Ook worden modellen getraind om uit weefselvervorming in video de onderliggende druk te schatten. Zo ontstaat een digitale proxy voor het menselijk tastgevoel.
Nieuwe beeldlagen kunnen extra veiligheid geven. Activ Surgical levert bijvoorbeeld weefseldoorbloeding als overlay, wat helpt bij snijranden. Zulke functies zijn een opstap naar rijkere feedback. Maar echte voelterugkoppeling aan de handbesturing vergt nog validatie en goedkeuring als medisch hulpmiddel.
AI-verordening stuurt ontwikkeling
AI die ingrijpt in de operatie valt in Europa onder de medische hulpmiddelenwet (MDR) en de Europese AI-verordening. Dit soort systemen geldt op het moment van schrijven als hoog risico. Dat vraagt strenge eisen aan datakwaliteit, risicobeheer, menselijk toezicht en uitlegbaarheid. Fabrikanten moeten aantonen dat het model veilig presteert in klinische situaties.
Voor Nederlandse ziekenhuizen betekent dit meer documentatie en traceerbaarheid. Modellen moeten herleidbaar zijn: welke versie, met welke data en instellingen? Ook bias is een aandachtspunt: trainen op één kliniek kan leiden tot fout gedrag elders. Multicenter-data en Europese samenwerking verkleinen dat risico.
De praktijk verandert daardoor zichtbaar. CE-markering komt pas na klinische evaluatie met duidelijke eindpunten, zoals minder complicaties of kortere operatietijd. Updates van modellen gelden als significante wijzigingen en vereisen opnieuw beoordeling. Dit remt snelle uitrol, maar verhoogt vertrouwen aan de operatietafel.
Ziekenhuizen willen regie
Bestuurders zetten in op veilig delen zonder data te laten rondzwerven. Federated learning, een techniek waarbij modellen lokaal leren en alleen modelupdates delen, wint terrein. Nederlandse initiatieven rond de Personal Health Train en FAIR-data sluiten hierop aan. Zo blijft informatie in het ziekenhuis en daalt het privacyrisico.
Ook standaarden worden belangrijker. NEN 7510 voor informatiebeveiliging in de zorg helpt processen op orde te krijgen. Loggen, pseudonimiseren en periodieke audits worden routine. Leveranciers moeten aantonen hoe zij deze maatregelen inbouwen in hun software.
Tot slot speelt scholing. Chirurgen, OK-assistenten en dataspecialisten leren samenwerken rond dataverzameling en labeling. Heldere afspraken over wie de dataverantwoordelijke is verkleinen juridische onzekerheid. Zo ontstaat een stabiele basis voor verantwoorde inzet van algoritmen in de OK.
Wat patiënten hiervan merken
Als AI beter “voelt”, kunnen ingrepen preciezer en veiliger worden. Denk aan minder weefselschade, minder nabloedingen en kortere operatietijd. Ook de leercurve van jonge chirurgen kan steiler worden met feedback op kracht en techniek. Dat levert tijdwinst en mogelijk lagere kosten op.
Tegelijk blijft menselijke regie leidend. Systemen geven advies of begrenzen krachten, maar de chirurg beslist. Validatie in gerandomiseerde studies is nodig voordat functies standaard worden. Ziekenhuizen zullen daarom stap voor stap opschalen.
Voor Nederland ligt hier een kans. Met sterke UMC’s, medtech-bedrijven en duidelijke Europese regels kan de sector gericht innoveren. Succes hangt af van goede data, strenge evaluatie en transparante samenwerking. Pas dan leert AI echt wat chirurgen nu op gevoel doen.