2 oktober 2026
AI in de gezondheidszorg draait allang niet meer uitsluitend om medische beeldanalyse of het samenvatten van doktersnotities. De technologie schuift steeds verder op naar de dagelijkse praktijk van verpleegkundigen.
Een opvallende nieuwe ontwikkeling is de lancering van ClinicalKey Nursing AI door Elsevier. De tool is specifiek ontwikkeld voor verpleegkundigen en moet hen tijdens het werk toegang geven tot onderbouwde klinische informatie. Elsevier kondigde de wereldwijde lancering op 29 september aan.
Daarmee ontstaat een nieuwe categorie AI-tools.
Niet een algemene chatbot voor iedereen, maar een gespecialiseerde AI-assistent voor één specifieke beroepsgroep.
Waarom verpleegkundigen?
Veel AI-toepassingen in de zorg zijn tot nu toe sterk gericht op artsen.
Dat geldt bijvoorbeeld voor systemen die medische literatuur doorzoeken, klinische informatie samenvatten of artsen ondersteunen bij diagnoses.
Verpleegkundigen hebben echter hun eigen workflows en informatiebehoeften.
Volgens Elseviers onderzoek gebruikt 41 procent van de verpleegkundigen AI voor het werk, tegenover 57 procent van de artsen. Het bedrijf stelt dat verpleegkundigen bovendien relatief vaak zijn aangewezen op algemene AI-tools omdat gespecialiseerde systemen voor hun werk minder beschikbaar waren.
ClinicalKey Nursing AI probeert dat gat op te vullen.
AI tijdens het zorgproces
Het idee is eenvoudig.
Een verpleegkundige heeft tijdens het werk een klinische vraag. In plaats van verschillende bronnen afzonderlijk te doorzoeken, kan de vraag aan de AI worden gesteld.
De tool moet vervolgens een antwoord geven dat terug te voeren is op medische bronnen.
Dat laatste is essentieel.
In een ziekenhuis kan een overtuigend maar fout antwoord ernstige gevolgen hebben. Daarom is traceerbaarheid belangrijker dan bij veel consumenten-AI.
Elsevier positioneert ClinicalKey Nursing AI dan ook als een systeem dat evidence-based antwoorden moet leveren en bronnen zichtbaar maakt.
Van algemene chatbot naar specialistische AI
De lancering laat een bredere trend zien.
De gezondheidszorg krijgt steeds meer gespecialiseerde AI-modellen en -tools.
Een algemene chatbot kan goed zijn in taal. Een medische AI moet daarnaast rekening houden met klinische context, betrouwbare bronnen en professionele richtlijnen.
Dat verschil wordt steeds belangrijker.
Recent onderzoek in Nature Medicine vergeleek gespecialiseerde klinische AI-tools met algemene frontier-modellen. De studie concludeerde dat algemene grote taalmodellen in bepaalde medische benchmarks beter konden presteren dan gespecialiseerde systemen. Tegelijkertijd benadrukken de onderzoekers dat gespecialiseerde klinische tools op grote schaal worden gebruikt en dat onafhankelijke evaluatie van dergelijke systemen belangrijk blijft.
Meer AI betekent dus niet automatisch betere zorg.
De kwaliteit van de onderliggende informatie en de manier waarop een systeem wordt gecontroleerd blijven cruciaal.
AI-agents gaan verder dan informatie geven
Tegelijkertijd ontstaat in ziekenhuizen een tweede ontwikkeling.
AI wordt niet alleen gebruikt om vragen te beantwoorden. Agents worden ontworpen om administratieve en organisatorische taken zelfstandig af te handelen.
Denk bijvoorbeeld aan ontbrekende patiëntgegevens, openstaande verwijzingen, vervolgafspraken, patiëntberichten en aanvragen voor voorafgaande toestemming.
Healthcare IT News beschreef deze verschuiving recent als een beweging waarbij AI verder gaat dan alleen het maken van medische notities. De technologie wordt ingezet voor het afhandelen van werk dat na een patiëntbezoek blijft liggen.
Daarmee verandert ook de rol van zorgprofessionals.
In plaats van iedere administratieve stap zelf uit te voeren, kunnen zij steeds vaker de resultaten van AI controleren.
De verpleegkundige als toezichthouder
Dat klinkt efficiënt, maar het vereist een nieuwe manier van werken.
Wanneer AI bijvoorbeeld een reeks patiëntberichten voorbereidt, moet een verpleegkundige controleren of de antwoorden correct zijn.
Wanneer een systeem een vervolgactie aanbeveelt, moet duidelijk zijn waarom.
En wanneer een agent een taak zelfstandig uitvoert, moet worden vastgelegd wat er precies is gebeurd.
De zorg kan daarom niet zomaar dezelfde AI-strategie gebruiken als een marketingafdeling.
De kosten van fouten zijn simpelweg anders.
Ook patiëntgegevens spelen een grote rol
Een ander aandachtspunt is privacy.
AI-systemen in ziekenhuizen kunnen werken met zeer gevoelige gegevens. Denk aan medische dossiers, medicatiegegevens en onderzoeksresultaten.
Dat maakt de keuze voor een AI-tool veel complexer.
Een ziekenhuis moet niet alleen kijken naar de kwaliteit van een model. Ook gegevensopslag, toegangsrechten, logging, beveiliging en integratie met bestaande systemen zijn belangrijk.
De recente uitbreiding van AI in de gezondheidszorg maakt die discussie urgenter.
AI kan ook onderzoek versnellen
De impact van AI beperkt zich bovendien niet tot ziekenhuizen.
Farmaceutische bedrijven investeren steeds meer in AI voor geneesmiddelenonderzoek. Reuters meldde eind september dat farmaceutische ondernemingen AI en geautomatiseerde laboratoria inzetten om onderzoek en ontwikkeling sneller en efficiënter te maken.
AI kan daarbij worden gebruikt voor het analyseren van biologische data, het voorspellen van moleculaire eigenschappen en het prioriteren van potentiële behandelingen.
Ook daar verschuift de rol van AI.
Het systeem hoeft niet zelfstandig een geneesmiddel te ontwikkelen. Het kan onderzoekers helpen bepalen welke experimenten waarschijnlijk het meest interessant zijn.
Een andere interessante ontwikkeling
Onderzoekers van Harvard Medical School en instellingen zoals Dana-Farber Cancer Institute en Massachusetts General Hospital ontwikkelden bovendien een machine-learningmodel dat het risico op 348 verschillende ziekten kan voorspellen op basis van bestaande patiëntgegevens.
De onderzoekers benadrukken dat verdere validatie nodig is voordat een dergelijke technologie daadwerkelijk in de klinische praktijk kan worden ingezet.
Toch laat het onderzoek zien waar de technologie naartoe beweegt.
AI wordt steeds beter in het combineren van grote hoeveelheden medische informatie.
De toekomst van AI in de zorg
De komende fase van AI in de gezondheidszorg draait daarom waarschijnlijk om verschillende lagen.
Aan de ene kant komen gespecialiseerde assistenten voor artsen en verpleegkundigen.
Daarnaast ontstaan agents die administratieve taken uitvoeren.
Daarbovenop komen systemen die medische gegevens analyseren en risico’s signaleren.
En uiteindelijk kunnen deze systemen met elkaar worden verbonden.
Een verpleegkundige stelt een vraag. De AI zoekt medische bronnen. Een agent controleert het patiëntdossier. Een ander systeem controleert een vervolgafspraak.
Voor de zorgprofessional kan dat één geïntegreerde workflow worden.
Maar de mens blijft verantwoordelijk
Juist omdat AI steeds meer taken kan uitvoeren, wordt menselijke controle belangrijker.
De technologie kan informatie sneller verwerken. Dat betekent echter niet dat een AI automatisch verantwoordelijk kan worden gemaakt voor een medische beslissing.
De juiste rol van AI kan daarom steeds vaker die van assistent, controleur en workflow-agent worden.
Niet de arts of verpleegkundige verdwijnt.
Het werk verandert.
De grootste ontwikkeling is misschien wel dat AI zich verplaatst van het scherm waarop een professional informatie opzoekt naar de processen die achter de zorgverlening plaatsvinden.
En dat betekent dat de volgende grote AI-doorbraak in de zorg misschien niet eens zichtbaar is voor de patiënt.
Het kan simpelweg de AI zijn die achter de schermen voorkomt dat een belangrijke taak wordt vergeten.