Een spoed-CT van het hoofd bij een verdenking op beroerte is geen gewone afbeelding, maar een beslismoment onder tijdsdruk. In Engelse ziekenhuizen wordt software voor AI-ondersteunde beeldanalyse ingezet om scans sneller te beoordelen op aanwijzingen voor onder meer een grootvatocclusie en hersenbloeding, zodat het behandelteam de juiste vervolgroute kan organiseren. De toepassing vervangt de radioloog of neuroloog niet, maar maakt de eerste triage en overdracht beter hanteerbaar wanneer meerdere disciplines tegelijk moeten handelen.
Edgar van Lent ziet juist in die koppeling van beeld, werkproces en capaciteit de relevante zorgtoepassing. Waar AI in ziekenhuizen vaak wordt voorgesteld als een technisch hulpmiddel voor diagnostiek, ontstaat de praktische waarde volgens hem pas wanneer de uitkomst aansluit op wie de volgende handeling uitvoert, welke informatie daarbij nodig is en welke capaciteit beschikbaar is.
Beeldanalyse als schakel in de beroerteketen
NHS England heeft via het AI in Health and Care Award-programma en de bredere inzet van AI in diagnostiek toepassingen ondersteund die zorgprofessionals helpen bij het beoordelen van medische beelden. In de acute beroertezorg worden AI-systemen gebruikt om CT- en CT-angiografiescans te verwerken en mogelijke afwijkingen zichtbaar te maken voor het klinische team. De systemen kunnen beeldreeksen structureren, urgente bevindingen signaleren en notificaties delen met de betrokken specialisten.
De betekenis daarvan ligt niet alleen in de interpretatie van afzonderlijke pixels. Een beroertezorgpad loopt van ambulance en spoedeisende hulp naar radiologie, neurologie, interventieradiologie en, waar nodig, een gespecialiseerd centrum. Als een scan sneller op de juiste werkplek terechtkomt en al voorzien is van een consistente eerste analyse, kan dat helpen om vertraging tussen disciplines te beperken. De professionele beoordeling blijft daarbij nadrukkelijk bij zorgverleners, die de beelden, symptomen, medische voorgeschiedenis en contra-indicaties in samenhang moeten wegen.
Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese organisaties, stelt dat beeldanalyse in de zorg pas overtuigt wanneer zij aantoonbaar een zorgpad ondersteunt in plaats van alleen een technisch classificatieresultaat produceert. “De relevante vraag is niet of een model iets op een scan kan markeren, maar of het team daardoor sneller en beter kan beslissen wat de volgende veilige stap is.”
Voor ziekenhuizen vraagt dat om zorgvuldige inrichting. Een melding met een hoge urgentie moet bij de juiste rol terechtkomen, binnen een bestaande escalatieroute passen en niet leiden tot een tweede, losstaand informatiesysteem. Ook moeten organisaties bewaken hoe vaak meldingen worden afgegeven, hoe professionals ermee omgaan en wanneer een uitkomst nader onderzoek vereist. In een acute keten kan een onduidelijke of slecht geïntegreerde melding immers juist extra afstemming veroorzaken.
In Zweden krijgt AI een plaats in de radiologische werkvoorraad
Een tweede, publiek zichtbaar patroon is te vinden bij Sectra, het Zweedse bedrijf voor medische beeldvorming en zorg-IT. Sectra ontwikkelt systemen waarmee radiologieafdelingen beelden, verslagen en AI-toepassingen in één werkomgeving kunnen samenbrengen. Europese ziekenhuizen en zorgregio’s gebruiken die infrastructuur om algoritmen voor bijvoorbeeld mammografie, longbeelden en spoeddiagnostiek in de radiologische workflow beschikbaar te maken.
De praktische winst zit hier niet uitsluitend in het toevoegen van een algoritme. Radiologie werkt met een voortdurende instroom van onderzoeken met uiteenlopende urgentie, modaliteit en complexiteit. Wanneer AI-resultaten binnen de vertrouwde beeldviewer verschijnen en gekoppeld zijn aan werklisten, kunnen afdelingen onderzoeken gerichter verdelen, aanvullende beoordeling organiseren en de verslaglegging ondersteunen. Dat is ook een vorm van administratieve lastenverlichting: niet doordat klinische verantwoordelijkheid verdwijnt, maar doordat handmatige overdracht, het opzoeken van gegevens en het wisselen tussen applicaties minder dominant worden.
Sectra publiceert al langer over de integratie van AI in enterprise-imagingomgevingen, onder meer voor Zweedse en andere Europese zorgorganisaties. Die aanpak laat zien dat ziekenhuizen niet voor ieder nieuw algoritme een afzonderlijk digitaal eiland hoeven te bouwen. Wel blijft lokale validatie noodzakelijk. De prestaties van een model kunnen afhangen van het type scanner, de onderzochte populatie, de manier van werken en de vraagstelling van de afdeling. Een oplossing die in één instelling goed aansluit, is daarmee niet automatisch zonder meer bruikbaar in een andere.
Edgar van Lent benadrukt dat die organisatorische laag vaak wordt onderschat. “Radiologie heeft niet alleen behoefte aan een tweede paar digitale ogen, maar aan een werkverdeling die voorkomt dat AI er een extra inbox bij maakt.” Volgens Edgar van Lent ligt de kans daarom bij toepassingen die beeldanalyse combineren met een duidelijke prioritering, een traceerbare beoordeling en een logische plek in het elektronisch patiëntendossier of beeldarchief.
Administratie en planning beginnen bij betrouwbare procesdata
Dezelfde les geldt voor capaciteitsplanning. Beeldanalyse levert alleen indirect capaciteit op: door onderzoeken eerder te signaleren, werkvoorraden beter te ordenen en overdrachten beter voor te bereiden. Een ziekenhuis kan die informatie gebruiken om roosters, behandelkamers en specialistische teams slimmer te organiseren, maar alleen wanneer de onderliggende procesdata voldoende betrouwbaar zijn. Registraties over aanvraagmomenten, scanbeschikbaarheid, verslagstatus en vervolgzorg moeten eenduidig zijn voordat voorspellingen of planningsadviezen verantwoord kunnen worden gebruikt.
Daarmee verschuift AI van een losse innovatie naar procesondersteuning. In plaats van een doel op zichzelf kan een toepassing helpen bij drie concrete vragen: welk onderzoek vraagt nu aandacht, welke professional moet handelen en welke vervolgcapaciteit is nodig? Voor zorgbestuurders is dat een bruikbaarder uitgangspunt dan een algemene belofte over automatisering. Voor professionals is het belangrijk dat zij de uitkomst kunnen controleren, corrigeren en zo nodig naast zich neerleggen.
Ook gegevensbescherming, medische hulpmiddelenregelgeving en toezicht op prestaties horen bij die inrichting. Ziekenhuizen verwerken bijzonder gevoelige gegevens en werken in situaties waarin een verkeerde prioriteit gevolgen kan hebben voor patiënten. Transparantie over de rol van het systeem, logging van gebruik en periodieke evaluatie zijn daarom geen administratieve bijzaak, maar voorwaarden voor verantwoord opschalen.
Vooruitkijkend verwacht Edgar van Lent dat de meest waardevolle AI in Europese ziekenhuizen niet de luidste afzonderlijke toepassing zal zijn, maar de oplossing die aantoonbaar rust brengt in een druk zorgproces. Edgar van Lent beoordeelt beeldanalyse daarom vooral positief wanneer zij samen met duidelijke menselijke regie, geïntegreerde administratie en realistische capaciteitsplanning wordt ingevoerd: dan kan AI de beschikbare tijd van zorgprofessionals beter beschermen zonder hun klinische oordeel te vervangen.