Het Oogziekenhuis Rotterdam heeft onlangs een AI-gestuurde glaucoomscreening in de dagelijkse praktijk getest. De software analyseert netvliesfoto’s en scans om risicopatiënten sneller te vinden. Het doel is vroeg ontdekken, kortere wachttijden en minder onnodige doorverwijzingen. De proef raakt ook aan de Europese AI-verordening (AI Act) en de AVG, met gevolgen voor ziekenhuizen en overheidstoezicht.
Praktijktest verlaagt drempel
De test draait in de klinische workflow van het ziekenhuis. Assistenten maken netvliesfoto’s en optische scans. Het algoritme geeft binnen minuten een risicoscore of een eenvoudige uitkomst: verdacht of niet verdacht. Een oogarts bekijkt daarna de beelden en de uitkomst.
De aanpak verlaagt de drempel voor screening. Patiënten hoeven minder lang te wachten op een eerste beoordeling. Dat is belangrijk, omdat glaucoom vaak weinig klachten geeft in een vroeg stadium. Vroege opsporing voorkomt onherstelbare schade.
Het systeem gebruikt patronen in beelden om afwijkingen te herkennen. Zo’n algoritme is een wiskundig model dat is getraind op veel voorbeelden. Het leest onder meer de oogzenuw en retinalagen. OCT, een optische scantest, maakt daarbij dunne weefsels in het oog zichtbaar.
Glaucoom is een oogziekte waarbij de oogzenuw beschadigt, vaak door te hoge oogdruk. De schade is onomkeerbaar. Daarom is vroegtijdige opsporing cruciaal.
Potentie en beperkingen zichtbaar
De eerste ervaringen laten tijdwinst zien voor artsen en assistenten. Het systeem helpt bij triage: wie moet snel naar de oogarts en wie kan later terugkomen. Dat kan de druk op poliklinieken verlagen. Ook kunnen meer mensen worden gescreend met dezelfde capaciteit.
Er zijn tegelijk grenzen. Bij een te strenge drempel zijn er veel foutpositieven. Dat leidt tot extra controles en onrust. Bij een te soepele drempel mis je juist ziektegevallen, met risico op blijvende schade.
Prestaties hangen af van de gebruikte camera’s, de scherpte van foto’s en de samenstelling van de patiëntenpopulatie. Ook hoge bijziendheid en staar kunnen de beoordeling bemoeilijken. Daarom is brede Europese herbevestiging nodig, met duidelijke cijfers zoals sensitiviteit, specificiteit en AUC.
Voor verdere uitrol is onafhankelijke validatie door meerdere centra gewenst. Uniforme rapportage helpt daarbij. Datasets moeten divers zijn en Europese patiënten goed afbeelden. Alleen dan zijn resultaten te vertrouwen buiten één ziekenhuis.
Arts houdt eindbeslissing
De inzet is “mens-in-de-lus”: het algoritme adviseert, de arts beslist. De oogarts beoordeelt verdachte gevallen altijd zelf. Bij niet-verdachte uitkomsten blijven steekproeven en veiligheidsnetten nodig. Zo blijft de kwaliteit gewaarborgd.
Juridisch blijft de behandelaar verantwoordelijk. Op het moment van schrijven valt dit soort software onder de Europese regels voor medische hulpmiddelen (MDR). Dat betekent eisen aan veiligheid, klinisch bewijs en kwaliteitsbeheer. Een CE-markering is nodig voordat brede inzet kan gebeuren.
Uitlegbaarheid speelt ook een rol. Visuele aanwijzingen, zoals hittekaarten die laten zien waar het systeem op let, kunnen artsen helpen. Niet elk model biedt dat even goed. Heldere rapportages met simpele taal zijn daarom belangrijk in de kliniek.
Implementatie vraagt training en duidelijke protocollen. Teams moeten weten wanneer ze het algoritme volgen en wanneer niet. Evaluaties na de start tonen kinderziektes en kansen. Zo groeit vertrouwen op de werkvloer.
Voldoen aan AI-verordening
De Europese AI-verordening (AI Act) ziet medische diagnose- en triagesystemen als hoog risico. Dat brengt plichten mee: risicobeheer, datakwaliteit, logging en menselijk toezicht. Ook zijn transparantie en robuuste tests verplicht. Dit komt gefaseerd in werking, op het moment van schrijven.
De AI Act sluit aan op bestaande MDR-eisen, maar voegt administratieve lasten toe. Ziekenhuizen moeten leveranciers scherper beoordelen. Denk aan conformiteitsbewijzen en auditrapporten. Interne registers en incidentprocedures worden belangrijker.
Voor de zorg heeft dit directe gevolgen. Inkoopafdelingen moeten contracten toetsen op AI- en privacyregels. Zorgprofessionals moeten weten hoe zij met algoritme-adviezen omgaan. Overheidstoezicht zal meer kijken naar datakwaliteit en uitlegbaarheid in de praktijk.
In Nederland houdt de Inspectie Gezondheidszorg en Jeugd (IGJ) toezicht op medische hulpmiddelen. De Autoriteit Persoonsgegevens (AP) ziet toe op gegevensbescherming. Nieuwe AI-taken worden nationaal belegd. Ziekenhuizen doen er goed aan nu al AI-governance in te richten.
Privacy volgens AVG nodig
Medische beelden zijn gevoelige persoonsgegevens. De AVG eist dataverwerking met een duidelijk doel, zo weinig mogelijk data en goede beveiliging. Een Data Protection Impact Assessment (DPIA) is in de zorg vaak verplicht. Ook bewaartermijnen moeten vooraf vaststaan.
Als een externe leverancier de software host, is een verwerkersovereenkomst nodig. Opslag binnen de EU en versleuteling zijn de norm. Toegang moet strikt worden gelogd. Alleen bevoegd personeel mag bij de data.
Beelden “anonimiseren” is lastig; een netvlies is uniek. Pseudonimisering helpt, maar valt nog steeds onder de AVG. Training van modellen vraagt extra zorg: duidelijke juridische grondslag en strikte toegang. Hergebruik van data vraagt transparantie naar patiënten.
Heldere communicatie naar patiënten is belangrijk. Leg uit wat het systeem doet en wat de arts doet. Bied een eenvoudige opt-out waar dat kan. Dat vergroot vertrouwen en acceptatie.
Inzet buiten ziekenhuis
Als de aanpak stevig werkt, kan zij door naar de eerste lijn. Denk aan optometristen en huisartsen met snelle triage. Dat maakt de route naar de oogarts korter voor wie dat nodig heeft. En het voorkomt onnodige verwijzingen.
Technisch is koppeling met het elektronisch patiëntendossier nodig. Gestandaardiseerde uitwisselformaten helpen, zoals FHIR voor medische data. Heldere samenvattingen van de AI-uitkomst zijn essentieel. Zo weet iedere schakel wat te doen.
Financiering en afspraken met zorgverzekeraars bepalen het tempo. Voor grootschalige inzet zijn richtlijnen en kwaliteitsnormen nodig. Beroepsverenigingen kunnen drempelwaarden en vervolgacties vastleggen. Dat maakt zorg voorspelbaar en betaalbaar.
Een stap-voor-stap uitrol is verstandig. Begin met beperkte groepen en meet uitkomsten. Pas het model en de workflow aan waar nodig. Zo groeit een veilige en effectieve keten voor glaucoomscreening.