Huisartsen in Nederland krijgen steeds vaker lange, ongestructureerde brieven uit het ziekenhuis. Nieuwe software met kunstmatige intelligentie moet die teksten automatisch samenvatten en omzetten naar bruikbare gegevens. Zorg-ICT-bedrijven als Microsoft (Nuance Dragon Medical One), Topicus en PharmaPartners verkennen zulke functies in hun systemen. De druk groeit nu door tijdgebrek in de praktijk en door strengere eisen uit de AVG en de Europese AI-verordening.
Brieven passen niet in het HIS
Veel medische brieven komen als pdf of scan binnen, soms met vakjargon en afkortingen. Het huisartseninformatiesysteem (HIS) kan die vrije tekst slecht verwerken. Daardoor belanden belangrijke feiten niet als gestructureerde gegevens in het dossier. De huisarts moet het zelf overtypen of zoeken in bijlagen, wat tijd kost en foutgevoelig is.
De kern van het probleem is semantische uitwisseling: de betekenis van woorden raakt kwijt buiten een vaste standaard. Het ziekenhuis werkt bijvoorbeeld met eigen sjablonen, terwijl de huisarts een andere gegevensset gebruikt. In Nederland zijn er standaarden zoals de Basisgegevensset Zorg (BgZ) en SNOMED CT voor medische termen. Zonder automatische omzetting blijft de brief een losse tekst met beperkte waarde voor beslissingsondersteuning.
Ook de keten maakt het lastig. Brieven gaan via verschillende routes, zoals het Landelijk Schakelpunt of beveiligde mail. Een deel wordt geprint en opnieuw gescand, waardoor tekstkwaliteit verslechtert. De variatie in formaat en kwaliteit maakt handmatige overname onvermijdelijk als er geen slimme software meekijkt.
Algoritmen maken tekst leesbaar
Natuurlijke-taalverwerking (NLP) is software die menselijke taal herkent en samenvat. Toegepast op medische brieven kan NLP diagnoses, medicatie en allergieën herkennen en koppelen aan gestandaardiseerde codes, zoals SNOMED CT of ATC. Daarna kan het systeem de gegevens plaatsen in HIS-velden, of in een FHIR-bericht, een veelgebruikte uitwisselstandaard in de zorg. Zo wordt vrije tekst omgezet in gestructureerde data.
Concreet begint dit vaak met optische tekenherkenning (OCR) voor scans, gevolgd door taalmodellen die medische termen begrijpen. Microsoft biedt met Nuance Dragon Medical One spraak-naar-tekst en medische dicteerfuncties, die ook in Nederland worden gebruikt. Start-ups als Amberscript leveren Nederlandstalige transcriptie, en Nabla Copilot vat consulten samen. Deze bouwstenen worden nu ook gericht ingezet op binnenkomende correspondentie.
De winst zit in tijd en kwaliteit. Een samenvatting in één alinea bovenaan de brief geeft de kern voor de triage. Herkende medicatie en contra-indicaties gaan direct naar de juiste tabellen in het HIS. De huisarts houdt regie: het systeem doet een voorstel, de arts controleert en slaat op. Zo ontstaat sneller een volledig en eenduidig dossier.
Integratie blijft grote horde
De techniek werkt pas als de koppeling met het HIS klopt. Veel huisartsen werken met systemen van Topicus (Promedico), PharmaPartners (Medicom) of CGM. Deze leveranciers bouwen stap voor stap aan FHIR-koppelingen en importregels. Toch zijn er verschillen per pakket, waardoor één AI-module niet overal hetzelfde resultaat geeft.
Ook de bronkant verschilt. Ziekenhuizen met Epic of ChipSoft HiX sturen al meer gestructureerde gegevens mee, maar lang niet altijd in dezelfde vorm. Programma’s als Registratie aan de bron moeten dit verbeteren, maar vragen jaren doorvoering. Zonder uniforme sjablonen blijft het algoritme noodgedwongen corrigeren wat eigenlijk aan de voorkant strak had moeten zijn.
Europa werkt intussen aan de European Health Data Space (EHDS), die uitwisseling tussen zorgverleners en met persoonlijke gezondheidsomgevingen moet vereenvoudigen. Als brieven vaker worden vervangen door gestandaardiseerde datasets, wordt de taak voor AI lichter en betrouwbaarder. Tot die tijd is slimme tekstverwerking een praktische tussenstap om de dagelijkse werkdruk te verlagen.
AVG en AI-verordening bepalen kaders
Medische AI valt onder strenge regels. Onder de AVG gelden dataminimalisatie, versleuteling en duidelijke doelen voor verwerking. Voor generatieve of herkenningsmodellen betekent dit: zo veel mogelijk lokaal draaien, geen data naar onduidelijke derde landen en goede logging. Pseudonimisering helpt, maar medische brieven bevatten vaak unieke details die herleidbaar kunnen zijn.
De Europese AI-verordening plaatst systemen voor zorgtoepassingen in de categorie hoog risico. Dat vraagt om risicobeheer, documentatie, traceerbaarheid en menselijk toezicht. Leveranciers moeten aantonen dat hun modellen robuust zijn voor Nederlandse medische termen en dat biases beperkt zijn. Als de AI de inhoud van het dossier beïnvloedt, is CE-markering onder de Europese Medische Hulpmiddelenverordening (MDR) bovendien al snel vereist.
Voor huisartsenpraktijken betekent dit extra afspraken met leveranciers over verwerkersrollen en beveiliging. Juridisch blijft de arts verantwoordelijk voor de inhoud van het dossier. Daarom is een “mens-in-de-lus” verplicht in ontwerp en workflow: de AI doet een voorstel, de arts beslist.
Pilots laten gemengd beeld zien
Op het moment van schrijven draaien in Nederland en omliggende landen meerdere kleinschalige pilots met samenvattingen van correspondentie. Corti, bekend van triage bij 112, wordt getest voor medische samenvattingen. Amberscript en Nabla Copilot worden in spreekkamers ingezet en verhuizen nu langzaam richting documentverwerking. Grote leveranciers koppelen hun modules aan bestaande EPD- en HIS-interfaces om dubbele registratie te verminderen.
De resultaten zijn bemoedigend bij standaardteksten, maar wisselend bij complexe casuïstiek. Afkortingen verschillen per ziekenhuisafdeling en regio, wat foutdetectie lastig maakt. Training met Nederlandstalige medische corpora en woordenlijsten van Nictiz en SNOMED NL verhoogt de nauwkeurigheid. Toch blijft menselijke controle nodig om nuance en context te bewaken.
Financieel zoeken praktijken naar een haalbaar model. Abonnementen per gebruiker kunnen optellen voor kleine teams. Vergoedingsregels voor digitale zorg en administratieve verlichting spelen daarom mee. Als AI aantoonbaar tijd wint, wordt acceptatie groter bij zorgverzekeraars en koepels.
Wat arts en patiënt merken
Voor de huisarts kan de winst direct zijn: minder overtypen, sneller de kern, en minder zoekwerk door automatische veldenvulling. Een duidelijk samenvattingsoverzicht ondersteunt veilige medicatiebewaking. In portalen en persoonlijke gezondheidsomgevingen wordt de inhoud begrijpelijker, omdat de tekst opschoont en termen worden uitgelegd. Dat vergroot de leesbaarheid voor patiënten.
Tegelijk komen er nieuwe risico’s. Een model kan hallucineren, dus feiten moeten traceerbaar zijn naar de originele brief. Daarom is het nuttig dat het systeem elke samenvatting koppelt aan bronzinnen en versies. Heldere logging en terugvalopties zijn noodzakelijk bij storingen of twijfelachtige resultaten.
De rechtspositie blijft onveranderd: de arts is eindverantwoordelijk. AI is een hulpmiddel, geen beslisser. Transparantie hoort daarbij: patiënten moeten weten dat algoritmen meelezen en waarvoor. Heldere toestemming en bewaartermijnen volgens de AVG blijven dus vereist.
AI schrijft niet het dossier; de arts blijft eindverantwoordelijk. Het systeem doet een voorstel dat controleerbaar is en herleidt naar de bron.