Binnen het project DECIDE is in de afgelopen twee jaar gewerkt aan een verkenning van de ethische, juridische en ontwerpvraagstukken rondom AI in de eerstelijnszorg (van Os et al., 2023). DECIDE is een AI-systeem in ontwikkeling dat huisartsen mogelijk kan ondersteunen bij het vroegtijdig signaleren van mannen en vrouwen zonder medische voorgeschiedenis, maar met een verhoogd risico op een cardiovasculaire gebeurtenis. Het systeem maakt gebruik van reeds beschikbare medische gegevens (zoals patiëntendossiers) en communiceert rechtstreeks met de huisarts. Het beoogde doel is het voorkomen van acute gezondheidsincidenten, zoals een hartinfarct, door vroegtijdige verwijzing naar de huisarts mogelijk te maken.
Het systeem is opgezet als hulpmiddel ter ondersteuning van het gesprek tussen arts en patiënt over cardiovasculair risico, met als uiteindelijke doel gezondheidsbevordering. Hoewel het systeem zich nog in de ontwikkelfase bevindt, biedt het onderliggende onderzoek waardevolle inzichten voor het afstemmen van AI-systemen op de ethische en juridische kaders waarin deze zullen worden toegepast.
Negen implementatielessen voor betrouwbare AI in de eerstelijnszorg
1. Geen ‘stand-alone’ AI, maar een geïntegreerd onderdeel van het zorgproces
AI dient niet als losstaand hulpmiddel te worden beschouwd, maar als een functionele schakel binnen bestaande zorgstructuren. Systemen zoals DECIDE vergen een inbedding in werkprocessen, zorglogistiek en patiënttrajecten. Een waardevolle toepassing houdt rekening met vervolgzorg, zoals laboratoriumdiagnostiek, leefstijlinterventies, coaching of verwijzing naar steungroepen.
2. Tijd is een cruciale factor
De hoge werkdruk in de eerstelijnszorg beperkt de ruimte voor technologische innovaties die als optioneel worden ervaren. Indien AI-oplossingen geen directe efficiëntiewinst opleveren, maar wel inspelen op een latente behoefte, is aanvullende ondersteuning essentieel. Een mogelijke oplossing betreft het inzetten van een praktijkondersteuner of gespecialiseerde assistent die verantwoordelijk is voor de toepassing van het systeem.
3. Beperkte ruimte voor preventie binnen de huisartsenpraktijk
Preventie wordt door huisartsen niet altijd als primaire taak beschouwd (zie ook Martin et al., 2025). Factoren zoals tijdsdruk, twijfel over de effectiviteit van preventieve interventies en moeite met het begeleiden van gedragsverandering spelen hierin een rol. Voor AI-gedreven preventieprogramma’s kan het waardevol zijn om het systeem als zelfstandige interventie te positioneren, los van de kernverantwoordelijkheid van de huisarts, of met ondersteuning door een aanvullende professional.
4. Precisie versus efficiëntie
Hoewel AI kansen biedt voor gezondheidswinst, introduceert het ook risico’s, zoals overdiagnostiek, werkdrukverhoging en bias. AI-systemen met een lage voorspellende waarde – waarbij slechts een klein deel van de als risicovol geïdentificeerde patiënten daadwerkelijk een aandoening ontwikkelt – kunnen tot frustratie leiden bij zorgverleners en patiënten. Tijdens de implementatiefase kan het hanteren van een hogere drempelwaarde (cutoff) bijdragen aan het reduceren van fout-positieve meldingen. Deze drempel kan vervolgens dynamisch worden bijgesteld op basis van klinische inzichten en beschikbare zorgcapaciteit.
5. Vertrouwen en autonomie van patiënten
Patiënten hechten grote waarde aan autonomie en controle over hun persoonsgegevens. Expliciete toestemming vormt in de praktijk vaak de meest geaccepteerde grondslag voor gegevensverwerking. Toch is regelmatige communicatie over het gebruik van gegevens essentieel, aangezien patiënten bijvoorbeeld kunnen vergeten dat zij eerder toestemming hebben gegeven. Niet alle patiënten wensen geïnformeerd te worden over hun gezondheidsrisico’s; sommigen geven er de voorkeur aan dit juist niet te weten. Het moet voor artsen en patiënten mogelijk zijn om te besluiten geen actie te ondernemen op basis van een AI-advies. Bovendien kunnen voorkeuren in de loop van de tijd veranderen. Een flexibele implementatiestrategie is vereist, zowel in ontwerp als in communicatie.
6. Betekenisvolle stakeholderdialoog vereist langdurige inzet
Hoewel participatie van alle relevante stakeholders wordt aanbevolen bij AI-ontwikkeling, is dit in de praktijk complex. Het betrekken van doelgroepen met beperkte AI literacy en health literacy vraagt gerichte inspanningen, zoals het opbouwen van vertrouwen, het inzetten van participatieve onderzoeksmethoden en het waarborgen van terugkoppeling. Deze investering leidt echter tot inclusievere, beter ingebedde en maatschappelijk verantwoorde producten met grotere kans op succesvolle toepassing.
7. Universal design kent beperkingen
De ambitie om gezondheidsverschillen te verkleinen via toegankelijke AI-toepassingen vereist maatwerk. Bij een diverse populatie is een one-size-fits-all benadering vaak onvoldoende. Een flexibele implementatiestrategie, met ruimte voor aangepaste ontwerpkeuzes voor specifieke subgroepen, is noodzakelijk. Dit sluit aan bij waarden als gelijkwaardigheid, solidariteit en respect voor mensenrechten.
8. De nieuwe generatie huisartsen maakt zich zorgen over milieu en duurzaamheid
Geneeskundestudenten uiten luid en duidelijk hun zorgen over het energie- en middelenverbruik van AI-systemen. Het is tijd om deze zorgen serieus te nemen – zowel bij de ontwikkeling als het onderhoud, inclusief de benodigde digitale infrastructuur.
9. Regelgeving is een noodzakelijke, maar niet toereikende randvoorwaarde
De Europese AI-wetgeving biedt een juridisch minimumkader, maar sluit niet altijd aan op de waarden van zorgverleners en patiënten (de Graaf et al., 2025; Van Staalduinen, 2024). Contractuele afspraken tussen zorgaanbieders en ontwikkelaars kunnen voorzien in aanvullende waarborgen, zoals transparante communicatie over AI-resultaten en ondersteuning van huisartsen bij het interpreteren en toelichten van uitkomsten.
Vooruitblik
De implementatie van verantwoorde AI in de eerstelijnszorg vereist meer dan technologische vooruitgang. De hierboven beschreven negen lessen benadrukken dat dergelijke implementaties voortkomen uit een iteratief proces van reflectie, aanpassing en samenwerking. Door te investeren in deze randvoorwaarden, neemt de kans toe dat AI-toepassingen niet alleen effectief zijn, maar ook maatschappelijk verantwoord, rechtvaardig en duurzaam.
Meer informatie
Dit onderzoek is uitgevoerd als onderdeel van het door ZonMw gefinancierde project DECIDE-VerA DECIDE, een samenwerkingsverband tussen het Leids Universitair Medisch Centrum, Patiëntenfederatie Nederland, Technische Universiteit Eindhoven, Hogeschool Rotterdam, UMC Utrecht, en Universiteit Leiden.
