In 2024 kregen ruim 70 bedrijven in medische AI goedkeuring van de FDA. Wereldwijd ging er meer dan 15 miljard dollar naar klinische AI. Elk groot Amerikaans zorgsysteem kondigde een AI-strategie aan.
En het aantal patiënten dat in Amerikaanse ziekenhuizen zonder waarschuwing achteruitgaat, is niet wezenlijk veranderd. Chronische nierschade wordt nog altijd pas na jaren ontdekt. Diagnostische fouten treffen buiten het ziekenhuis nog steeds naar schatting 12 miljoen Amerikaanse volwassenen per jaar. Je nieuwe arts vraagt je nog altijd om zelf je medicijnlijst te onthouden.
Er klopt iets niet aan de aanpak.
Wat de meeste AI in de zorg eigenlijk doet
De meeste klinische AI-producten vatten notities samen, classificeren beelden of geven een melding als een getal een grens overschrijdt. Allemaal nuttig. Allemaal wrappers. Ze nemen klinische data in de vorm waarin die al bestaan, halen ze door een model en tonen een uitkomst. De onderliggende data zijn niet veranderd. De manier waarop het systeem een patiënt weergeeft, is niet veranderd.
Een radioloog die met hulp van AI een thoraxfoto beoordeelt, kijkt nog steeds naar één beeld van één moment. De AI vindt misschien een nodus die zij over het hoofd had gezien. Dat is echt waardevol. Maar de AI kan haar niet vertellen dat de longfunctie van deze patiënt over vijf metingen in drie jaar is afgenomen, dat die achteruitgang versnelde na een medicatiewijziging acht maanden geleden, en dat het beloop binnen achttien maanden op COPD afstevent. Die informatie bestaat. Ze ligt verspreid over zorgverleners en jaren. Geen wrapper kan erbij, want een wrapper ziet alleen het huidige consult.
De eenheid van analyse in bijna alle klinische AI is één bezoek. Eén notitie. Eén beeld. Bij menselijke ziekte is het jaren. Zolang die twee niet overeenkomen, blijft AI in de zorg snellere antwoorden geven op de verkeerde vragen.
Bij menselijke ziekte is de eenheid van analyse jaren.
De snelheidsval
Snelheid is het voordeel dat iedereen noemt. Een ontslagbrief in seconden samengevat. Een verwijsbrief die al klaarstaat terwijl de arts het gesprek afrondt. Diagnoses die meteen uit vrije tekst worden gehaald.
Burn-out onder artsen is echt. De administratieve last is verpletterend. Alles wat tijd teruggeeft aan de zorg heeft waarde. Maar snelheid op de bestaande infrastructuur lost een efficiëntieprobleem op. De arts die een perfecte AI-samenvatting van het consult van vandaag krijgt, weet nog steeds niet dat het creatinine van haar patiënt de afgelopen twee jaar bij drie zorgverleners is gestegen. De samenvatting is sneller. Het klinische beeld is precies hetzelfde.
Zorgsystemen voeren AI in die werkprocessen versnelt, melden productiviteitswinst en noemen hun AI-strategie een succes. Intussen is de tijd tussen het begin van een ziekte en het moment dat die wordt ontdekt niet korter geworden. Het systeem gaat sneller dezelfde kant op. Niemand vroeg of dat de goede kant is.
Waarom de sector wrappers bouwt
Wrappers zijn een logische keuze. Neem een voorgetraind model, train het bij op klinische tekst en breng binnen een paar maanden een product uit. Valideren is eenvoudig: notitie erin, samenvatting eruit. Verkopen is vertrouwd terrein: ‘We koppelen aan je EPD en maken het slimmer.’ Geen lastige gesprekken over data-architectuur. Geen verstoring van het werkproces.
Iets bouwen dat gezondheid door de tijd heen leest, is een heel andere onderneming. Je moet de patiënt over jaren en zorgverleners heen weergeven, klinisch redeneren bouwen dat werkt met richting in plaats van positie, valideren in honderden ziekenhuizen, en ziekenhuizen ervan overtuigen dat een ziekte twee jaar eerder ontdekken een diepere integratie rechtvaardigt dan een plug-in die samenvat.
Dat duurt langer, kost meer en vraagt om gesprekken waar de meeste teams niet op zijn toegerust. Het is ook de enige aanpak die het werkelijke klinische gat aanpakt.
De black box maakt het erger
De meeste klinische AI is niet alleen een wrapper, maar ook een black box. Een model neemt data op en geeft een uitkomst. De arts ziet de redenering niet. Ze kan niet nagaan welke gegevens de conclusie bepaalden. Ze kan haar oordeel niet loslaten op de tussenstappen, want er zijn geen zichtbare tussenstappen.
In de praktijk behandelen zorgverleners deze uitkomsten zoals de honderden andere meldingen in het EPD: met argwaan en een aangeleerde reflex om ze weg te klikken. Bij ondoorzichtige systemen doet steevast maar 10 tot 15 procent van de zorgverleners iets met de melding. Het systeem geeft een melding. De zorgverlener negeert haar. De AI draait, maar doet klinisch niets.
De systemen waarmee meer dan 80 procent van de zorgverleners echt werkt, hebben één ding gemeen: de redenering is zichtbaar. De zorgverlener ziet wat tot het oordeel leidde en kan het met specifieke onderdelen oneens zijn. Zonder dat komt het gebruik niet van de grond. Ik heb jarenlang gezien hoe het niet van de grond kwam voordat ik zelf begon te bouwen.
Hoe het er anders uitziet
Een patiënt bij wie het creatinine in 18 maanden, bij twee zorgverleners, elk kwartaal met 0,1 is gestegen. Geen enkele waarde gaf een alarm. Bij elk bezoek was het getal ‘binnen de norm’. Een systeem dat het beloop leest, ziet het wel. De arts krijgt een melding met de trend, het verwachte verloop en de klinische redenering achter het signaal. Ze bekijkt het, is het ermee eens en verwijst naar de nefroloog, een jaar voordat de patiënt de grenswaarde zou hebben overschreden.
Dat is het soort verandering dat Chroneme moet leren opvangen. We valideren het volgens een vooraf geregistreerd protocol en publiceren wat we vinden, ook waar het tekortschiet.
Dezelfde intelligentie die de langzame afglijding op de IC opmerkt, kan de langzame afglijding in de huisartsenpraktijk opmerken. Hetzelfde systeem dat een hartslag ziet oplopen over weken, kan een HbA1c zien oplopen over jaren. De architectuur verandert niet. De tijdschaal wel.
Vijftien miljard dollar. Zeventig goedkeuringen. En voor de patiënt is er niets veranderd.
Dat verandert pas als de infrastructuur verandert. Als klinische AI het beloop leest in plaats van momentopnamen. Als systemen hun redenering laten zien in plaats van die te verbergen. Als gezondheid iets wordt wat je door de tijd heen ziet veranderen, en niet iets wat pas achteraf wordt ontdekt.
Dat is wat we bij Chroneme bouwen.
