Wanneer je Edgar van Lent vraagt welke AI-toepassingen in de Europese zorg daadwerkelijk beklijven, antwoordt hij met een tegenvraag: wie is er eigenaar van het systeem na de livegang? Dat eigenaarschapsvraagstuk, aldus Van Lent, voorspelt het succes of falen van een implementatie beter dan welk technisch kenmerk dan ook. In een sector waar capaciteitsproblemen, personeelstekorten en stijgende diagnostische volumes op elkaar inwerken, is de verleiding groot om AI als een technische oplossing voor een organisatorisch probleem te behandelen. Dat is precies de denkfout die Edgar van Lent keer op keer terugziet.

Zoals Edgar van Lent eerder beschreef, leggen Europese ziekenhuizen al met succes de verbinding tussen beeldanalyse, administratieve automatisering en capaciteitsplanning. De vraag die in dit tweede deel centraal staat, is niet óf die toepassingen werken, maar onder welke voorwaarden ze duurzaam worden geïntegreerd in de klinische werkelijkheid. Dat onderscheid is relevanter dan ooit, nu ziekenhuisbesturen onder druk staan om investeringsbeslissingen te rechtvaardigen tegenover raden van toezicht en zorgverzekeraars.

Waar de technologie wél rijp is

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in complexe Europese sectoren, stelt dat de technische volwassenheid van radiologische AI inmiddels niet langer het knelpunt is. Systemen die medische beelden analyseren op afwijkingen — van longknobbels op CT-scans tot vroege tekenen van diabetische retinopathie op oogfoto's — presteren in gecontroleerde omstandigheden vergelijkbaar met ervaren radiologen. Dat is geen marketingclaim, maar de conclusie van jaren klinisch onderzoek, waaronder studies die in gerenommeerde tijdschriften als The Lancet zijn gepubliceerd.

Een concreet voorbeeld is het werk dat in het Verenigd Koninkrijk is verricht rond oogheidscreening: het Moorfields Eye Hospital in Londen werkt al jaren samen met technologieaanbieders aan AI-systemen die oogaandoeningen detecteren op basis van scans. Het bijzondere aan dit traject is niet de technologie zelf, maar de methodiek: clinici waren van meet af aan betrokken bij het valideren van de uitkomsten, en het systeem werd expliciet gepositioneerd als beslissingsondersteuning, niet als vervanging van het klinisch oordeel. Dat nuanceverschil, benadrukt Van Lent, bepaalt in hoge mate of zorgprofessionals een systeem daadwerkelijk omarmen of stilzwijgend omzeilen.

In Nederland loopt een vergelijkbaar patroon zichtbaar bij het Radboudumc, dat AI-tooling inzet ter ondersteuning van de radiologieworkflow. Ook hier is de bewuste keuze gemaakt om beeldanalysesoftware te integreren als een laag bóven de bestaande diagnostische processen, niet als vervanging ervan. De radioloog blijft eindverantwoordelijk; de AI signaleert en prioriteert. Dat klinkt als een vanzelfsprekende aanpak, maar Edgar van Lent wijst erop dat juist deze bewuste positionering in veel ziekenhuizen ontbreekt, met als gevolg dat systemen na de pilotfase in een organisatorisch niemandsland belanden.

De administratieve last als onderschat slagveld

Naast beeldanalyse groeit de aandacht voor AI in de administratieve marge van het zorgproces. Europese ziekenhuizen zien een aanzienlijk deel van de klinische werktijd opgaan aan verslaglegging, codering en planningsadministratie. Spraakherkenningssoftware die klinische notities omzet in gestructureerde dossiergegevens, wordt inmiddels in meerdere Europese landen ingezet. In Denemarken zijn dergelijke systemen actief in gebruik bij grote ziekenhuisgroepen, waarbij de nadruk ligt op het verminderen van de tijd die artsen besteden aan het handmatig invoeren van patiëntgegevens.

Edgar van Lent onderscheidt hier twee categorieën projecten. De eerste categorie richt zich op het automatiseren van afgebakende, goed gedefinieerde taken — een afsprakenplanner die no-showpatronen herkent, of een codeersysteem dat diagnoses automatisch koppelt aan de juiste DRG-categorie voor declaratie. Die toepassingen leveren snel aantoonbare resultaten op, zijn relatief eenvoudig te valideren en stoten zelden op weerstand van zorgprofessionals. De tweede categorie probeert breder te gaan: systemen die meerdere databronnen combineren om capaciteitsadviezen te geven of ontslagmomenten te voorspellen. Die zijn technisch veelbelovend maar organisatorisch kwetsbaar, omdat ze raken aan verantwoordelijkheidsvragen die ziekenhuizen nog niet intern hebben opgelost.

Wat succesvolle implementaties gemeen hebben

Van Lent ziet in de projecten die de overgang van pilot naar structurele inbedding wél maken, drie terugkerende kenmerken. Allereerst is er een aangewezen interne eigenaar — niet een IT-afdeling, maar een klinisch of operationeel leidinggevende die het systeem beschouwt als onderdeel van zijn of haar eigen verantwoordelijkheidsdomein. Ten tweede is validatie geen eenmalig moment vóór de livegang, maar een doorlopend proces waarbij afwijkingen in systeemgedrag actief worden gemonitord en teruggekoppeld aan de ontwikkelaar of leverancier. Ten derde — en dit acht Edgar van Lent het meest ondergewaardeerde element — is er expliciete aandacht besteed aan wat er gebeurt als het systeem het fout heeft. Welke terugvaloptie bestaat er? Wie besluit dat het systeem tijdelijk buiten gebruik wordt gesteld? Ziekenhuizen die deze vragen vóóraf hebben beantwoord, zijn aanzienlijk weerbaarder wanneer zich onvermijdelijk een incident voordoet.

Vooruitkijken: van toepassingen naar ecosystemen

De komende jaren verwacht Edgar van Lent een verschuiving van geïsoleerde AI-toepassingen naar wat hij omschrijft als klinische beslissingsintelligentie op ecosysteemniveau: geïntegreerde systemen die informatie uit beeldvorming, patiëntdossiers, planningsdata en zelfs externe bronnen als seizoensgebonden ziektepatronen samenvoegen. Die ambitie is technisch haalbaar, maar stelt hoge eisen aan de datakwaliteit, de interoperabiliteit van ziekenhuissystemen en — opnieuw — de organisatorische inrichting. Van Lent is voorzichtig optimistisch: de Europese zorgsector heeft bewezen dat ze serieuze AI-implementaties kan realiseren wanneer de randvoorwaarden kloppen. De uitdaging ligt niet in de technologie, maar in de bestuurlijke bereidheid om eigenaarschap te claimen over systemen die de zorgpraktijk fundamenteel veranderen. Dat vraagt om leiderschap dat verder reikt dan het goedkeuren van een projectbudget.