Onderzoekers van de Universiteit Twente werken aan kunstmatige intelligentie die het “gevoel” van ervaren chirurgen kan leren. Het project draait in Enschede bij het TechMed Centre en richt zich op robotchirurgie en opleiden in de OK. Het doel is veiliger ingrepen met minder weefselschade en betere training. Dit speelt terwijl de Europese AI-verordening (AI Act) en de AVG strengere eisen stellen aan AI in de zorg en de gevolgen voor ziekenhuizen en leveranciers groot zijn.
AI leert tactiele patronen
Het team traint algoritmen op meetgegevens uit instrumenten om patronen te herkennen die chirurgen voelen maar niet altijd benoemen. Haptiek is daarbij het sleutelwoord: dat is kracht- en aanrakingsterugkoppeling via een instrument. Door zulke signalen te koppelen aan video en handbewegingen, leert het model wanneer weefsel te veel druk krijgt of juist te weinig. Zo kan het systeem aanwijzen waar risico’s ontstaan.
De aanpak gebruikt machine learning, waarbij een model verbanden leert op basis van vele voorbeelden. Het algoritme krijgt data van succesvolle en moeilijke handelingen, en leert het verschil. Daardoor kan het later waarschuwen als een beweging lijkt op een foutpatroon. Dit helpt vooral bij minimaal invasieve ingrepen, waar zicht en gevoel beperkt zijn.
De Universiteit Twente combineert hiervoor sensoren, simulators en statistische modellen. In het lab worden scenario’s nagebootst die in de OK voorkomen. De onderzoekers testen of AI stabiel blijft bij verschillende patiënten, instrumenten en snelheden. Juist die variatie is in de zorg groot en lastig voor een model.
Data uit operatie en simulator
De data komen uit trainingssimulatoren, proefopstellingen en geanonimiseerde OK-registraties. Dat vraagt strakke datagovernance onder de AVG, zoals dataminimalisatie en versleuteling. Alleen het strikt nodige wordt bewaard, met duidelijke doelen en bewaartermijnen. Ziekenhuizen moeten hiervoor vaak een gegevensbeschermingseffectbeoordeling (DPIA) doen.
Belangrijk is dat ervaren chirurgen voorbeelden labelen: wat is “goed” weefselcontact en wat niet. Zulke labels zijn nodig om het model te sturen en te controleren. Er is ook aandacht voor verschillen tussen beoordelaars, want niet elke expert weegt hetzelfde mee. Daarom wordt interbeoordelaarsbetrouwbaarheid gemeten en vastgelegd.
Haptische feedback is de kracht- en aanrakingsterugkoppeling die een arts via een instrument of robot voelt en gebruikt om veilig te werken.
Omdat echte OK-data schaars zijn, helpen simulatoren om veel variatie te genereren. In een simulator kun je veilig fouten nabootsen en toch meten wat er gebeurt. Zo ontstaat een datacorpus met zowel zeldzame als veelvoorkomende situaties. Dat verkleint de kans dat het model buiten het lab onverwacht faalt.
Toepassing in robotchirurgie
De kennis wordt toegepast als assistentiefuncties in robotica en navigatie. Denk aan waarschuwingen bij te hoge kracht op weefsel of aan “haptische vangrails” die de hand van de chirurg subtiel bijsturen. Zulke functies staan bekend als shared control: mens en systeem sturen samen. Dat kan ook in bestaande platforms, zoals systemen in de sfeer van de da Vinci-robot, die veel in Europa wordt gebruikt.
In de opleiding kan dezelfde AI direct feedback geven aan arts-assistenten. Het systeem laat zien waar hun instrument te veel druk zette of te ver afdwaalde. Hiermee wordt oefenen doelgerichter en meetbaar. Docenten houden zicht op voortgang met eenvoudige dashboards.
Betrouwbaarheid en vertraging zijn hierbij kritische punten. Als een waarschuwing te laat komt, is de schade al aangericht. De Universiteit Twente test daarom op lage latency en robuuste foutdetectie. De eindverantwoordelijkheid blijft op het moment van schrijven altijd bij de chirurg.
Europese regels sturen ontwikkeling
Onder de Europese AI-verordening vallen medische AI-systemen vrijwel zeker in de hoogrisicoklasse. Dat betekent streng risicobeheer, goede documentatie, menselijk toezicht en kwaliteit van data. Ook moeten logging en uitlegbaarheid op orde zijn. Leveranciers moeten dit aantonen voordat systemen de markt op mogen.
Daarnaast geldt de Europese MDR voor medische hulpmiddelen en software in de OK. Voor ziekenhuizen in Nederland betekent dit CE-markering, interne procedures en toezicht door de Inspectie Gezondheidszorg en Jeugd. Onder de AVG blijven principes als dataminimalisatie, pseudonimisering en toegang op need-to-know-basis verplicht. In de praktijk vraagt dit om technische en organisatorische maatregelen én training van personeel.
De combinatie AI Act en MDR zet de toon voor ontwerpkeuzes. Modellen moeten uitlegbaar genoeg zijn om klinische beslissingen te verantwoorden. Trainingsdata moeten representatief zijn voor de Europese populatie om bias te beperken. Dit heeft directe gevolgen voor inkopers, compliance-teams en OK-managers in ziekenhuizen.
Wat al werkt, wat niet
Vroege tests laten zien dat AI goed eenvoudige patronen in kracht en beweging herkent. In labsituaties daalt het aantal overschrijdingen van veilige druk snel. In echte OK’s is het beeld complexer door ruis en onverwachte situaties. Dat vraagt om extra validatie in meerdere ziekenhuizen en met verschillende instrumenten.
Generaliseerbaarheid blijft de grootste uitdaging. Een model dat getraind is op één type weefsel of instrument kan elders slechter presteren. Domeinaanpassing en continue bijscholing van het model zijn daarom nodig. Dit moet wel binnen strikte wijzigingsprocedures passen, zoals de AI Act voorschrijft.
Ook mens-machine-interactie vraagt zorg. Te veel waarschuwingen leiden tot alarmmoeheid, te weinig tot gemiste kansen. Het ontwerp moet dus zuinig zijn met meldingen en duidelijk uitleggen waarom iets gebeurt. Alleen dan groeit vertrouwen bij chirurgen en opleiders.
Vooruitzicht voor Nederland
Als de techniek en het bewijs verder groeien, kunnen Nederlandse OK’s dit stapsgewijs invoeren. Verwacht wordt dat het eerst in training en simulatie landt, en daarna pas tijdens echte ingrepen. Ziekenhuizen zullen pilots combineren met strenge evaluaties en ethische toetsing. Publieke partijen kunnen dit ondersteunen via Horizon Europe of nationale zorginnovatieprogramma’s.
Een praktische route is beginnen met adviesfuncties zonder automatische ingreep. Daarna kan gedeelde sturing volgen, met duidelijke grenzen en een uit-knop. Elk stadium vraagt om nieuwe risicoanalyses en updates van het kwaliteitsmanagementsysteem. Dit houdt de regie bij het zorgteam en past bij de Europese risicobenadering.
De inzet is helder: minder complicaties, snellere leercurves en beter gebruik van dure OK-technologie. Tegelijk blijven privacy en patiëntveiligheid leidend. Met de huidige kaders van de AI Act, MDR en AVG is er richting, maar ook werk aan de winkel. Precisie in techniek én beleid bepaalt of AI echt het gevoel van de chirurg benadert.