Kunstmatige intelligentie verandert de Nederlandse gezondheidszorg sneller dan verwacht — maar ook grilliger. In 2025 gebruikte slechts 32% van de zorginstelling AI voor diagnoses, terwijl dat in 2024 nog 48% was. De daling klinkt alarmerend, maar vertelt slechts een deel van het verhaal: daar tegenover staat dat AI voor dataverwerking (50%) en administratieve ondersteuning (50%) juist oploopt. De zorg maakt een strategische pivot, van experimenten naar structureel beheer.
Waar AI nu écht wordt gebruikt in de Nederlandse zorg
De meest ingezette AI-toepassingen in 2026 zijn niet de futuristische diagnoserobots uit persberichten. Ze zitten in de ruggengraat van zorgprocessen. Beeldverwerkingsalgoritmen ondersteunen radiologen bij het detecteren van afwijkingen op röntgenfoto's en MRI-scans — Radboudumc loopt hierin voorop met onderzoeksprogramma's die AI-ondersteunde beeldanalyse valideren. Amsterdam UMC gebruikt voorspellende modellen voor heropnames na hartoperaties.
Medische dataverwerking is de grootste groeier: 50% van de zorginstellingen verwerkt patiëntendossiers, lab-uitslagen en medicatiehistorie met AI-hulp. Dat reducteert invoerfouten en versnelt het dossierwerk voor zorgprofessionals, die gemiddeld 30% van hun werktijd kwijt zijn aan administratie. Bijkomend voordeel: gestandaardiseerde data maakt interoperabiliteit tussen ziekenhuissystemen (zoals EPIC en HiX) toegankelijker.
ZonMw financiert via het programma 'AI voor Gezondheid en Zorg' twaalf lopende studies die klinische beslissingsondersteuning valideren. Denk aan: AI die verpleegkundigen waarschuwt bij vroege sepsis-signalen op de IC, of algoritmen die medicatiedoses afstemmen op individuele patiëntkenmerken. Deze toepassingen zijn specifiek — ze ondersteunen de clinicus, vervangen hem niet.
IGJ toezichtskader AI 2026: wat verandert er voor zorgaanbieders
De Inspectie Gezondheidszorg en Jeugd (IGJ) heeft digitale zorg aangewezen als één van de vier prioritaire verbeterpunten voor ziekenhuizen in 2026. Concreet betekent dit dat IGJ-inspecteurs bij bezoeken actief vragen naar de governance rondom AI-systemen: wie is verantwoordelijk, hoe worden fouten gemeld, en hoe worden patiënten geïnformeerd?
Het toezichtskader verwacht van zorgaanbieders die AI inzetten voor klinische beslissingen: een benoemde functionaris verantwoordelijk voor AI-kwaliteit, documentatie van validatieprocedures voor elk AI-systeem, en een incidentregistratie specifiek voor AI-fouten. Dit is geen harde wet maar een verwachtingskader — instellingen die hier niet op voorbereid zijn, lopen reputatierisico bij inspectiebezoeken.
EU AI Act: gezondheidszorg valt grotendeels in hoog-risico categorie
De EU AI Act classificeert AI-systemen in medische diagnose, triage en behandelplanning expliciet als hoog-risico (Bijlage III, punt 5a). De transitieperiode loopt tot augustus 2026, wat betekent dat zorgaanbieders die AI inzetten voor klinische toepassingen nu actie moeten ondernemen. Wacht niet op de deadline — de conformiteitsbeoordeling kost voor complexe systemen gemakkelijk 6 maanden.
- Inventariseer alle AI-systemen: welke beïnvloeden klinische beslissingen?
- Controleer of de leverancier een CE-markering heeft of een conformiteitsverklaring kan leveren
- Documenteer de technische specificaties en validatiemethode
- Stel een AI-risicobeheerplan op conform Art. 9 EU AI Act
- Zorg voor aantoonbare 'menselijke controle' (human oversight) bij hoog-risico toepassingen
- Meld het systeem in het EU-register als het in aanraking komt met kwetsbare groepen
Medische hulpmiddelen die software gebruiken, vallen vaak al onder de MDR (Medical Device Regulation) en moeten aan strengere CE-eisen voldoen. Een AI-diagnosealgoritme dat al MDR-gecertificeerd is, heeft een voorsprong op de AI Act-conformiteit — maar check of uw leverancier de Notified Body al heeft aangesproken voor de overlappende vereisten.
Verouderde IT als grootste belemmering: wat de cijfers zeggen
Het meest geciteerde obstakel voor AI in de zorg is niet ethiek of regulering — het is infrastructuur. Verouderde systemen die niet interoperabel zijn, patiëntendata in silo's, en gebrek aan gestandaardiseerde dataformaten (zoals HL7 FHIR) maken het voor AI-systemen moeilijk om betrouwbare input te krijgen. ICT&health rapporteerde begin 2026 dat meer dan 60% van de Nederlandse ziekenhuizen nog werkt met systemen ouder dan tien jaar.
Dit verklaart deels de terugval in AI-gebruik voor diagnoses: zorginstellingen die begonnen met pilotprojecten, stuiten op de integratieproblemen en pauzeren dan liever dan half-werkende systemen in de klinische praktijk te houden. Een verstandige keuze — maar het vereist wel een meerjarig IT-moderniseringsplan als voorwaarde voor serieuze AI-adoptie.
Ethische vraagstukken: bias, transparantie en patiëntrechten
RIVM wijst op een structureel risico: AI-modellen getraind op historische patiëntdata reproduceren bestaande ongelijkheden in de zorg. Als een diagnosealgoritme vaker is getraind op data van witte mannen van middelbare leeftijd, presteert het systematisch slechter bij vrouwen, ouderen of patiënten met een andere etnische achtergrond. Dit is geen hypothetisch risico — meerdere internationaal gepubliceerde studies tonen dit aan voor cardiale en dermatologische AI-systemen.
De AVG verplicht zorgaanbieders om patiënten te informeren wanneer geautomatiseerde besluitvorming plaatsvindt die 'aanzienlijke gevolgen' heeft. In de zorg is dat bijna altijd het geval bij diagnostisch gebruik van AI. Patiënten hebben het recht op uitleg over de logica van het systeem en op een menselijke herbeoordeling. Zorg dat uw informatiebrief en toestemmingsformulieren hierop zijn afgestemd.
Perspectief: wat de komende twee jaar brengen
De transitieperiode van de EU AI Act loopt af in augustus 2026 — maar voor zorginstellingen die AI als medisch hulpmiddel inzetten, gelden de MDR-eisen al. De combinatie van IGJ-toezicht, AVG, MDR en AI Act creëert een complex normatief kader. De praktische les: benoemd een AI-verantwoordelijke, documenteer alles, en werk nauw samen met uw leveranciers op de conformiteitsvraagstukken.
Op de technische horizon staan multimodale modellen die tegelijk beelddata, laboratoriumuitslagen en patiënthistorie kunnen analyseren — waardoor AI-ondersteunde diagnoses veel robuuster worden. ZonMw investeert gericht in studies die deze modellen valideren voor de Nederlandse zorgpraktijk. De vraag is niet óf AI de zorg transformeert, maar hoe snel de infrastructuur en governance meegroeien.