Zorgorganisaties krijgen steeds vaker te maken met artificiële intelligentie, maar beschikken niet altijd over een samenhangende aanpak om te bepalen welke toepassingen verantwoord en waardevol zijn. Onderzoekers van de Universiteit Gent en het UZ Gent hebben daarom het AI Quality Label for Care ontwikkeld. Het nieuwe kader helpt ziekenhuizen en andere zorginstellingen om AI niet alleen op technische prestaties te beoordelen, maar ook op patiëntveiligheid, werkdruk, kosten, toegankelijkheid en maatschappelijke gevolgen. De bijbehorende checklist is vrij beschikbaar.
Artificiële intelligentie vindt op steeds meer manieren zijn weg naar de gezondheidszorg. Soms gebeurt dat via grote innovatieprojecten, maar minstens zo vaak via software-updates, bestaande informatiesystemen of toepassingen die individuele zorgprofessionals zelfstandig beginnen te gebruiken. Daardoor kan AI al onderdeel zijn van de dagelijkse praktijk voordat een ziekenhuis heeft vastgesteld welke toepassingen passen binnen zijn zorgvisie, wie verantwoordelijk is voor het gebruik en hoe de resultaten moeten worden beoordeeld.
Die versnippering vormt volgens onderzoekers van de Universiteit Gent en het UZ Gent een belangrijk risico. Wanneer zorgorganisaties geen duidelijke strategie hebben, ontstaan naast elkaar verschillende initiatieven, gegevenspraktijken en verantwoordelijkheden. Dat kan leiden tot hogere kosten, inefficiëntie en onduidelijkheid over de veiligheid en kwaliteit van de zorg. Tegelijkertijd ervaren bestuurders druk om mee te gaan in de technologische ontwikkeling, terwijl de daadwerkelijke meerwaarde van veel toepassingen nog onvoldoende vaststaat.
Om zorgorganisaties bij deze afwegingen te ondersteunen, ontwikkelden onderzoekers binnen UGent Delta, in nauwe samenwerking met het UZ Gent, het AI Quality Label for Care. Het kader wordt beschreven in de wetenschappelijke publicatie Implementing AI in a health care context: a quality improvement initiative based on the quintuple aim, verschenen in Acta Clinica Belgica.
De ontwikkeling vond plaats tussen januari 2024 en begin 2026. Onderzoekers en praktijkdeskundigen uit onder meer geneeskunde, gezondheidseconomie, recht, ethiek, informatica, datawetenschappen en organisatiemanagement werkten samen aan een instrument dat AI-implementatie onderdeel maakt van het bestaande kwaliteitsbeleid van zorgorganisaties.
Het uitgangspunt is dat een AI-systeem niet automatisch waardevol is omdat het technisch goed functioneert. Een toepassing moet ook passen binnen de doelstellingen van een zorgorganisatie en aantoonbaar bijdragen aan de kwaliteit en toegankelijkheid van zorg.
Twee niveaus van beoordeling
Het AI Quality Label for Care onderscheidt twee niveaus waarop zorgorganisaties beslissingen over AI moeten nemen. Het eerste betreft het algemene AI-beleid. Daarbij gaat het om vragen zoals waarom een organisatie AI wil inzetten, welke doelstellingen daarmee worden nagestreefd, hoe verantwoordelijkheden zijn verdeeld en welke vormen van toezicht noodzakelijk zijn.
Het tweede niveau richt zich op afzonderlijke toepassingen. Een ziekenhuis kan bijvoorbeeld besluiten AI te gebruiken voor medische beeldanalyse, administratieve verslaglegging of ondersteuning bij klinische besluitvorming. Voor iedere toepassing moet vervolgens worden onderzocht of de technologie daadwerkelijk geschikt is voor de beoogde situatie, welke risico's eraan verbonden zijn en wat de gevolgen zijn voor patiënten en zorgprofessionals.
Dat onderscheid is belangrijk omdat een algemene AI-strategie op zichzelf weinig zegt over de geschiktheid van een specifieke toepassing. Omgekeerd kan een individuele afdeling een veelbelovend systeem invoeren zonder dat duidelijk is hoe dit aansluit bij het bredere beleid van het ziekenhuis.
De onderzoekers hebben daarom een multidisciplinaire checklist ontwikkeld die beide niveaus met elkaar verbindt. Daarbij worden klinische, economische, juridische, organisatorische, psychosociale en ethische vraagstukken gezamenlijk beoordeeld.
Een toepassing die administratieve werkzaamheden versnelt, kan bijvoorbeeld tegelijkertijd nieuwe controletaken veroorzaken. Een systeem dat diagnostische ondersteuning biedt, kan gevolgen hebben voor de professionele autonomie van artsen. Ook kan een technisch betrouwbare toepassing alsnog problemen opleveren wanneer zij onvoldoende aansluit op bestaande werkprocessen of afhankelijkheid van één technologieleverancier creëert.
Het kader is nadrukkelijk geen instrument dat automatisch bepaalt of een AI-toepassing wel of niet mag worden ingevoerd. Het ondersteunt zorgorganisaties bij het maken en documenteren van onderbouwde keuzes. Daarbij kan ook worden besloten een toepassing voorlopig niet te gebruiken, de invoering uit te stellen of samenwerking met andere instellingen te zoeken wanneer de noodzakelijke expertise ontbreekt.
Hoewel de naam anders kan doen vermoeden, is het AI Quality Label for Care geen formeel certificeringssysteem. Er bestaat geen keurmerk dat instellingen kunnen behalen en er is geen externe organisatie die de toepassing ervan controleert.
Kwaliteit van zorg als uitgangspunt
Voor de inhoudelijke beoordeling gebruiken de onderzoekers het Quintuple Aim-model. Dat omvat vijf samenhangende doelstellingen: de ervaringen en uitkomsten van patiënten, het welzijn en de professionele ontwikkeling van zorgmedewerkers, de efficiëntie en duurzaamheid van zorg, gelijke toegang tot zorg en de gezondheid van de bevolking.
Het model maakt duidelijk waarom technologische efficiëntie niet de enige maatstaf kan zijn. Een AI-toepassing kan tijd besparen, maar tegelijkertijd de werkdruk van bepaalde medewerkers verhogen. Gepersonaliseerde zorg kan individuele patiënten voordelen bieden, maar ook nieuwe ongelijkheden veroorzaken wanneer de technologie niet voor iedereen toegankelijk is.
De onderzoekers besteden bovendien aandacht aan de beperkingen van medische gegevens. Hoewel elektronische patiëntendossiers grote hoeveelheden informatie bevatten, wordt niet alles wat belangrijk is voor een klinische beslissing digitaal vastgelegd. De persoonlijke omstandigheden van een patiënt, diens verwachtingen en de context waarin klachten ontstaan, spelen eveneens een rol.
Een AI-systeem kan uitsluitend rekening houden met informatie die beschikbaar is in een vorm die het kan verwerken. Dat betekent dat zelfs geavanceerde toepassingen belangrijke elementen van de klinische werkelijkheid kunnen missen.
Ook waarschuwen de auteurs voor een te sterke nadruk op standaardisering en productiviteit. Wanneer AI voornamelijk wordt ingezet om processen efficiënter te maken, bestaat het risico dat professionele autonomie, menselijke interactie en individuele patiëntbehoeften ondergeschikt raken aan meetbare prestaties.
In het aanvullende onderzoeksmateriaal worden concrete voorbeelden beschreven. Zo kan AI patiëntinformatie begrijpelijker maken door uitleg aan te passen aan het taalniveau van de ontvanger. Ook kunnen patiënten op basis van hun medische gegevens gerichtere informatie krijgen over bijvoorbeeld medicatiegebruik voorafgaand aan een operatie.
Tegelijkertijd kan het volledig automatiseren van patiëntcommunicatie ten koste gaan van het gevoel persoonlijk geholpen te worden. Wanneer informatie in het patiëntendossier onjuist of verouderd is, kan bovendien ook de daarop gebaseerde AI-uitleg misleidend zijn.
De onderzoekers wijzen daarnaast op risico's voor de ontwikkeling van professionele vaardigheden. Wanneer medewerkers AI gebruiken als vervanging van hun eigen expertise, kunnen vaardigheden verloren gaan. Bij minder ervaren professionals bestaat bovendien het gevaar dat zij taken uitvoeren met behulp van AI zonder de onderliggende competenties voldoende te beheersen. Daardoor wordt het moeilijker om zelfstandig in te grijpen wanneer het systeem een fout maakt.
Deze voorbeelden onderstrepen waarom de gevolgen van AI niet uitsluitend op het moment van aanschaf moeten worden beoordeeld. Ook na implementatie zijn monitoring, evaluatie en aanpassing noodzakelijk.
Ontwikkeld met de Belgische ziekenhuispraktijk
Het kwaliteitskader is niet uitsluitend vanuit theoretisch onderzoek ontstaan. Binnen UGent Delta werden multidisciplinaire discussies en workshops georganiseerd, waarna een eerste versie van de checklist werd opgesteld. Vervolgens werd deze in verschillende rondes beoordeeld en aangepast.
Daarbij waren onder meer kwaliteitsmanagement, de klinische AI-eenheid, de hoofdarts en verantwoordelijken voor ICT, digitale strategie en verpleegkundige expertise van het UZ Gent betrokken. Het kader werd daarnaast voor feedback voorgelegd aan andere Belgische universitaire en algemene ziekenhuizen.
De onderzoekers kozen bewust voor een instrument dat aansluit bij bestaande kwaliteitsprocessen. Zorgorganisaties hoeven daardoor niet noodzakelijk een afzonderlijke bestuursstructuur voor AI op te richten. Het kader helpt juist bepalen welke vorm van governance passend is bij de omvang van de organisatie en de risico's van de beoogde toepassing.
Dat kan vooral relevant zijn voor kleinere zorgorganisaties, die niet altijd beschikken over eigen juridische, technische en klinische AI-expertise. Voor hen kan samenwerking met andere instellingen een verstandige uitkomst zijn.
De onderzoekers erkennen wel dat het kader tot nu toe voornamelijk is ontwikkeld en verfijnd binnen institutionele zorgomgevingen. Een systematische evaluatie in kleinere organisaties en de eerstelijnszorg heeft nog niet plaatsgevonden. Ook is nog niet aangetoond dat toepassing van de checklist daadwerkelijk leidt tot betere zorguitkomsten of veiligere AI-implementaties.
Het instrument moet daarom worden gezien als een praktische ondersteuning voor besluitvorming, niet als een wetenschappelijk gevalideerde garantie voor succesvolle implementatie.
De volledige checklist is vrij beschikbaar via UGent Delta. Versie 1.0 is bovendien permanent gearchiveerd in Zenodo. Het kader wordt als een levend document onderhouden, zodat nieuwe inzichten en ervaringen uit de praktijk in toekomstige versies kunnen worden verwerkt.
Voor Belgische ziekenhuizen komt het initiatief op een relevant moment. De toepassing van AI ontwikkelt zich sneller dan veel organisaties hun beleid, toezicht en evaluatieprocessen kunnen aanpassen. Tegelijkertijd maken Europese regels rond artificiële intelligentie en gezondheidsgegevens duidelijk dat verantwoordelijkheid voor technologische toepassingen niet uitsluitend bij leveranciers kan worden gelegd.
Het Gentse kwaliteitskader biedt zorgorganisaties een manier om de discussie over AI concreter te maken. Niet door voor iedere instelling dezelfde technologische keuzes voor te schrijven, maar door systematisch te onderzoeken welk probleem een toepassing moet oplossen, welke gevolgen zij kan hebben en of de verwachte voordelen opwegen tegen de risico's.
Daarmee verschuift de aandacht van de vraag welke AI-technologie een ziekenhuis kan invoeren naar een fundamentelere afweging: welke toepassingen passen daadwerkelijk bij de zorg die de organisatie wil leveren?
Voeg ICT&health toe aan Google
Toon meer content van ICT&health in Google Zoeken.