Huisartsen testen steeds vaker AI-notulisten in de spreekkamer. De systemen beloven minder administratie en snellere dossiervorming, maar maken nog vaak fouten. In Nederland en andere EU-landen leidt dat tot terughoudend gebruik. Artsen willen tijd winnen, maar kwaliteit en privacy zetten de rem erop.
AI-notulen nog onbetrouwbaar
AI-notulisten combineren spraakherkenning met een taalmodel dat samenvat. Spraakherkenning zet audio om naar tekst. Het taalmodel herschikt die tekst tot een verslag, bijvoorbeeld in SOEP-vorm (klachten, bevindingen, beoordeling, plan). In de praktijk blijkt dat keten kwetsbaar: kleine fouten in de tekst leiden tot grote fouten in de samenvatting.
Veelgemaakte missers zijn verkeerde medische termen, gemiste getallen of omgewisselde sprekers. Een dosering kan verkeerd worden gelezen, of een klacht bij de arts in plaats van bij de patiënt belanden. Zulke fouten komen snel in het dossier en zijn later lastig te herstellen. Dat ondermijnt vertrouwen en kost tijd.
Bedrijven als Nuance (DAX Copilot van Microsoft), Abridge en Suki bieden deze functies al. Op het moment van schrijven zijn de prestaties in het Nederlands wisselend. Een model dat het Engels goed aan kan, valt geregeld door de mand bij Nederlandse zorgtaal en afkortingen.
Accenten en ruis hinderen zorg
De spreekkamer is geen stille studio. Er is achtergrondgeluid, mensen praten door elkaar, en patiënten wisselen soms van taal. Accenten en dialecten blijven lastig voor spraakherkenning. Dat geeft foutieve woorden, gaten in zinnen en onduidelijke zinsgrenzen.
Ook medische vaktaal maakt het moeilijk. Nederlandse afkortingen en merknamen van medicijnen lijken op gewone woorden. Zonder een goede zorg-woordenlijst mist het systeem context. Dat vergroot het risico op verkeerde conclusies in het verslag.
Technisch helpt betere microfoonopstelling en training met lokale data. Maar die data zijn schaars en gevoelig. Daardoor blijven veel modellen afhankelijk van algemene datasets die de Nederlandse zorgpraktijk niet goed dekken.
Tijdwinst niet vanzelfsprekend
De belofte is minder typen en meer aandacht voor de patiënt. In pilots moeten artsen de AI-tekst echter vaak grondig herschrijven. Dat kost tijd tijdens of na het consult. De netto winst valt dan tegen, zeker bij complexe of emotionele gesprekken.
Ook de koppeling met het huisartsinformatiesysteem (HIS) is bepalend. Zonder soepele import in bijvoorbeeld Medicom, Promedico of MicroHIS blijft het veel knippen en plakken. Structuurvelden, zoals probleemlijsten en medicatie, vragen extra controle door de arts.
Veel aanbieders rekenen per minuut of per consult. Als de kwaliteit wisselt, wegen die kosten zwaarder. Praktijken vragen daarom om duidelijke foutmarges, proefperioden en meetbare tijdswinst, voordat zij breder uitrollen.
AVG vraagt strakke afspraken
AI-notulisten verwerken audio van echte zorggesprekken. Dat zijn gevoelige gegevens. Onder de AVG gelden hiervoor strikte eisen, zoals dataminimalisatie, versleuteling en beperkte bewaartermijnen. Een Data Protection Impact Assessment (DPIA) is in de zorg meestal verplicht.
Opnames opslaan buiten de EU is risicovol. Verwerkers moeten duidelijk maken waar data staan, wie toegang heeft en hoe lang bestanden bewaard blijven. Een verwerkersovereenkomst en logging van toegang zijn onmisbaar. Nederlandse normen zoals NEN 7510 helpen daarbij.
Onder de AVG zijn medische gegevens ‘bijzondere persoonsgegevens’. Voor de verwerking daarvan gelden extra beschermingsmaatregelen en strengere rechtmatigheidsgronden.
Praktisch betekent dit dat praktijken vooraf toestemming en informatie moeten regelen. Patiënten moeten kunnen kiezen voor een consult zonder opname. Ook moet helder zijn welke delen automatisch gaan en waar de arts zelf beslist.
AI-verordening stuurt inzet zorg
De Europese AI-verordening (AI Act) bepaalt extra regels. Een notuleerfunctie kan vallen onder lagere risico’s, maar transparantie en toezicht blijven vereist. Zodra het systeem ook diagnose of triage ondersteunt, schuift het op naar hoog risico met strengere plichten.
Voor hoog-risicosystemen gelden onder meer risicobeheer, robuustheidstests, logging en menselijk toezicht. Leveranciers moeten technische documentatie leveren en mogelijk een conformiteitsbeoordeling doorlopen. Zorginstellingen moeten processen inrichten om dat te toetsen.
Op het moment van schrijven treden verboden onderdelen eerder in werking, gevolgd door regels voor algemene AI en daarna voor hoog risico. Inkoop in de Nederlandse zorg moet hierop vooruitlopen. Contracten doen er goed aan om updates, auditrechten en modelwijzigingen vast te leggen.
Markt beweegt, maar met rem
Er is veel aanbod. Microsoft brengt Nuance DAX Copilot, Abridge en Suki richten zich op klinische verslaglegging, en Europese spelers zoals Nabla bieden ‘copilots’ voor artsen. Open bron-modellen zoals Whisper voor spraakherkenning winnen terrein, maar vragen extra beveiliging en integratie.
Ondersteuning voor het Nederlands en medische terminologie verschilt sterk. Sommige aanbieders werken met aangepaste woordenlijsten of lokale hosting in de EU. Dat verbetert privacy en nauwkeurigheid, maar verhoogt kosten en implementatietijd.
Vooruitgang is zichtbaar, maar stap voor stap. Een veilige route is klein beginnen: duidelijke use-cases, meten van foutpercentages en afspraken over herstel bij fouten. Pas bij stabiele winst in tijd én kwaliteit loont brede inzet in de huisartsenpraktijk.