Een Nederlands consortium van ziekenhuizen, medtech-bedrijven en kennisinstellingen krijgt €5 miljoen voor een innovatieprogramma met MRI- en echo-oplossingen. Het doel is snellere en betere diagnostiek met hulp van kunstmatige intelligentie. De plannen vallen onder de AVG en de Europese AI-verordening (AI Act), met gevolgen voor overheid en zorginstellingen. De toekenning is op het moment van schrijven recent bekendgemaakt, met start van pilots in Nederlandse klinieken.
Geld voor snellere diagnostiek
Het programma richt zich op MRI- en echografie, twee beeldtechnieken die veel worden gebruikt in de zorg. Met algoritmen willen de partners scans sneller maken en automatisch analyseren. Dat kan wachttijden verlagen en radiologen ontlasten. Patiënten krijgen zo eerder duidelijkheid.
De investering van €5 miljoen wordt gebruikt voor software, dataverwerking en klinische validatie. Ook gaat geld naar veilige IT-koppelingen met bestaande systemen in ziekenhuizen. Denk aan PACS, het digitale archief voor beelden, en EPD’s. Integratie in de workflow is nodig om vertraging te voorkomen.
Deelnemers verwachten binnen enkele jaren eerste toepassingen te testen. Het gaat dan om hulpmiddelen die metingen automatisch uitvoeren, zoals het bepalen van orgaangrootte of bloedstroom. Ook kan AI helpen om beelden te verscherpen bij lage signaalsterkte. Dit maakt kortere scans of snellere echo’s mogelijk.
AI in beeldvorming uitgelegd
MRI maakt beelden met magneetvelden en radiogolven. Echografie gebruikt geluidsgolven, ook wel echo genoemd. AI-modellen leren patronen in die beelden herkennen. Ze kunnen structuren afbakenen, ruis verminderen en afwijkingen markeren voor de arts.
Beeldreconstructie met neurale netwerken kan scantijd beperken. Korter scannen is prettiger voor de patiënt en vergroot de capaciteit van het apparaat. In de praktijk blijft de arts eindverantwoordelijk. Het systeem geeft advies, geen einddiagnose.
Een belangrijk aandachtspunt is bias: een model moet goed werken voor diverse patiëntgroepen. Daarom is een brede en representatieve dataset nodig. Daarnaast zijn onafhankelijke tests essentieel. Zo blijft de uitkomst betrouwbaar in verschillende ziekenhuizen en apparaten.
“MRI gebruikt magneetvelden en radiogolven; echo gebruikt geluidsgolven. Beide leveren beelden zonder röntgenstraling.”
Proefprojecten in ziekenhuizen
De eerste pilots draaien in klinische afdelingen waar veel beelden worden gemaakt. Denk aan radiologie, cardiologie en oncologie. Daar kan AI triage ondersteunen en metingen automatiseren. Radiologen houden controle via een overzicht met uitleg bij de analyse.
Voor goede invoering is uitlegbaarheid nodig, ook wel explainable AI. Het systeem toont waarom het iets markeert, bijvoorbeeld een tumorcontour of bloedstroomprofiel. Dit vergroot vertrouwen en versnelt de acceptatie. Artsen kunnen zo sneller een second opinion vormen.
Technisch draait de software naast bestaande systemen, met logbestanden en versiebeheer. Updates worden stapsgewijs ingezet, eerst in een testomgeving. Daarna volgt een gecontroleerde uitrol. Zo blijven diensten beschikbaar en is er een terugvaloptie.
Strenge EU-regels gelden
AI voor medische beeldvorming valt in de EU in een hoog-risicoklasse onder de AI Act. De toepassing moet voldoen aan eisen voor datakwaliteit, transparantie en menselijk toezicht. Daarnaast geldt de Verordening medische hulpmiddelen (MDR) voor CE-markering. Zonder die markering mag de software niet breed worden ingezet.
De AVG stelt randvoorwaarden aan het gebruik van medische data. Ziekenhuizen moeten dataminimalisatie toepassen en gegevens versleutelen. Vaak is pseudonimisering verplicht, zodat een persoon niet direct herkenbaar is. Een Data Protection Impact Assessment (DPIA) is standaard bij dit soort projecten.
Voor de praktijk betekent dit meer documentatie en audits. Denk aan risicobeheer, klinische evaluaties en post-market surveillance. Ook moet er duidelijkheid zijn over aansprakelijkheid. De zorginstelling blijft verantwoordelijk voor veilige inzet bij patiënten.
Data delen met waarborgen
Het programma kiest voor veilige manieren van samenwerken aan data en modellen. Federated learning kan daarbij helpen: ziekenhuizen trainen lokaal een model en delen alleen gewichten, geen ruwe data. Zo blijft gevoelige informatie binnen de muren van de instelling. Dit beperkt privacyrisico’s en juridische drempels.
Heldere datacontracten leggen doelen, bewaartermijnen en beveiliging vast. Toegang wordt gelogd en periodiek getoetst. Ook is medisch-ethische toetsing nodig bij nieuw onderzoek. Patiënten moeten weten wat er met hun gegevens gebeurt en waarom.
Technische standaarden zorgen dat systemen samenwerken. DICOM en HL7/FHIR maken uitwisseling van beelden en verslagen mogelijk. Dat verkleint lock-in bij één leverancier. En het maakt schaalbare invoering in meerdere ziekenhuizen realistischer.
Gevolgen voor Nederlandse zorg
Snellere en betrouwbare beeldanalyse kan wachtrijen verminderen. Dat sluit aan bij het Integraal Zorgakkoord, dat inzet op doelmatige zorg. Voor regio’s met personeelstekorten kan dit verschil maken. Minder handwerk geeft zorgprofessionals meer tijd voor patiënten.
Economisch kan het programma de Nederlandse medtech-sector versterken. Europa vraagt om betrouwbare, uitlegbare AI. Wie nu aan de AI Act en MDR voldoet, heeft straks een voorsprong. Dat helpt ook bij opschaling naar andere EU-landen.
Voor overheid en ziekenhuizen volgen wel extra taken. Aanschaf en beheer vragen om inkoopkennis van datamodellen en algoritmen. Daarnaast zijn toezicht en evaluatie doorlopend nodig. Zo blijft de inzet veilig, rechtmatig en effectief.
