Leidraad AI in de zorg: wat het is en hoe je er als zorgorganisatie mee werkt
Zorginstellingen die met kunstmatige intelligentie aan de slag willen, lopen al snel tegen dezelfde vraag aan: hoe weet je of een algoritme goed genoeg is om patiënten aan te onderwerpen? De leidraad AI in de zorg is opgesteld om die vraag beantwoordbaar te maken. Het document beschrijft welke eisen je aan een AI-toepassing mag stellen, van de gegevens waarop het model is gebouwd tot het moment waarop het in de dagelijkse praktijk meedraait. Het is geen wet en geen keurmerk, maar wel het meest concrete houvast dat er in Nederland ligt voor zorgorganisaties die verantwoord willen innoveren.
In het kort
- De Leidraad kwaliteit AI in de zorg verscheen in december 2021 en kwam voort uit het programma Waardevolle AI voor gezondheid, onder regie van UMC Utrecht en in opdracht van het ministerie van VWS.
- Het document telt ongeveer 80 pagina’s en beschrijft zes fasen, van gegevensverzameling tot implementatie en borging in de dagelijkse praktijk.
- Uit onderzoek van Motivaction onder bijna 200 zorgprofessionals en ontwikkelaars bleek dat de helft van de gebruikers ruimte voor verbetering ziet, vooral in gebruiksvriendelijkheid en toepasbaarheid.
- Een aanvullende leidraad voor generatieve AI en taalmodellen wordt door AIC4NL en UMC Utrecht ontwikkeld en werd voor 2026 aangekondigd.
Wat de leidraad precies is
De volledige naam is Leidraad kwaliteit AI in de zorg. Het document is ontstaan binnen het programma Waardevolle AI voor gezondheid, dat van 2019 tot 2021 liep. Vanaf 2020 werkten zes werkgroepen met experts en vertegenwoordigers van koepelorganisaties aan een eerste versie, die daarna door een brede groep partijen is beoordeeld. Onder meer UMC Utrecht, het LUMC en het Nationaal eHealth Living Lab waren erbij betrokken. In december 2021 werd de leidraad gepresenteerd.
De focus lag oorspronkelijk op voorspellende AI: algoritmen die een diagnose ondersteunen of een prognose afgeven, bijvoorbeeld beeldanalyse bij radiologie of een model dat het risico op heropname inschat. Dat is een bewuste afbakening. Bij dit soort toepassingen is de vraag naar nauwkeurigheid, vooringenomenheid en betrouwbaarheid het scherpst te stellen, en zijn de gevolgen van een fout het duidelijkst zichtbaar.
De opbouw volgt de levenscyclus van een AI-toepassing in zes fasen. Grofweg gaat het om het verzamelen en beheren van gegevens en het vaststellen van het beoogd gebruik, de ontwikkeling van het model, de validatie en de beoordeling van de nauwkeurigheid, en vervolgens de impactbepaling, de invoering en de opschaling naar bredere toepassing. Per fase staan er vragen en criteria die je moet kunnen beantwoorden voordat je verdergaat.
Naast de hoofdtekst zijn er aanvullende documenten verschenen, waaronder een uitwerking over de aansluiting bij wet- en regelgeving en een samenvatting die speciaal voor patiënten is geschreven. Dat laatste is meer dan een gebaar: het maakt uitlegbaar aan degene om wie het gaat wat er met zijn of haar gegevens gebeurt.
Waar zorgorganisaties in de praktijk tegenaan lopen
In 2025 liet het ministerie van VWS onderzoeken hoe de leidraad in het veld valt. Motivaction sprak daarvoor met bijna 200 zorgprofessionals en ontwikkelaars van AI-modellen. De uitkomst was tweeledig. Het document wordt gezien als een noodzakelijk hulpmiddel om de kwaliteit en betrouwbaarheid van AI-modellen te beoordelen, maar ongeveer de helft van de gebruikers ziet duidelijke ruimte voor verbetering.
De genoemde knelpunten zijn herkenbaar voor iedereen die het document heeft opengeslagen:
- Omvang: 80 pagina’s is te veel om er in een projectoverleg even bij te pakken
- Gebruiksvriendelijkheid: de opzet is systematisch maar niet uitnodigend, zeker niet voor wie geen methodologische achtergrond heeft
- Toepasbaarheid: het is niet altijd duidelijk hoe je een criterium vertaalt naar een concrete keuze in een lopend project
- Actualiteit: regelgeving rond AI en de opkomst van grote taalmodellen zijn nog niet verwerkt
Respondenten stelden zelf voor om aanvullende vormen toe te voegen, zoals video’s of een app. Dat zegt vooral iets over de kloof tussen een gedegen document en de dagelijkse werkpraktijk van een zorginstelling.
Op het punt van generatieve AI komt er een vervolg. In opdracht van VWS werken AIC4NL en UMC Utrecht aan een aanvullende leidraad die zich specifiek richt op generatieve AI en grote taalmodellen, ontwikkeld binnen een internationaal traject. Die publicatie werd voor 2026 aangekondigd. Dat is relevant, want juist taalmodellen worden op dit moment het snelst ingevoerd in de zorg, vaak buiten formele projecten om.
De leidraad naast wetgeving en beveiliging
Het is verleidelijk om de leidraad te behandelen als het enige document dat je nodig hebt. Dat is het niet. Een zorgorganisatie die AI inzet, heeft met meerdere kaders tegelijk te maken, en die overlappen maar dekken elkaar niet.
| Kader | Waar het over gaat | Status |
|---|---|---|
| Leidraad kwaliteit AI in de zorg | Kwaliteit, nauwkeurigheid, vooringenomenheid en betrouwbaarheid van het model zelf | Vrijwillig, breed gedragen in het veld |
| AI-verordening | Risicoclassificatie van AI-systemen, verplichtingen voor hoogrisicotoepassingen en AI-geletterdheid van medewerkers | Europese wetgeving, gefaseerd van kracht |
| Verordening medische hulpmiddelen | AI die een diagnose of behandeling ondersteunt, geldt vaak als medisch hulpmiddel met bijbehorende certificering | Europese wetgeving, verplicht |
| AVG | Grondslag voor het gebruik van patiëntgegevens, dataminimalisatie en rechten van betrokkenen | Verplicht |
| Cyberbeveiligingswet en NIS2 | Beveiliging van netwerk- en informatiesystemen, risicobeheer, meldplicht en verantwoordelijkheid van bestuurders | Verplicht voor aangewezen zorgorganisaties |
Die laatste rij verdient extra aandacht, omdat hij bij AI-projecten vaak wordt overgeslagen. Een AI-toepassing draait op infrastructuur, verwerkt gevoelige gegevens en koppelt met bestaande systemen. Daarmee valt het gewoon binnen het risicobeheer dat de nieuwe cyberwetgeving voorschrijft. Guardey heeft uitgewerkt wat NIS2 betekent voor de zorgsector, van ziekenhuizen tot farmaceutische bedrijven, inclusief de meldplicht en de aansprakelijkheid die bij het bestuur komt te liggen.
De praktische vertaling daarvan zit voor een groot deel bij de mensen die met de systemen werken. Een zorgvuldig gevalideerd model helpt niet als een medewerker patiëntgegevens in een openbare chatbot plakt of op een phishingmail klikt die toegang geeft tot het bronsysteem. Voor zorginstellingen die dat menselijke deel structureel willen aanpakken, biedt Guardey een aanpak specifiek gericht op de gezondheidszorg, waarin bewustwording en gedragsverandering op de werkvloer centraal staan.
Zo maak je de leidraad werkbaar
Voor een zorginstelling die aan de slag wil, is het onverstandig om te beginnen met het van voor naar achter doorlezen van het hele document. Werkbaarder is om de kern eruit te halen en die te vertalen naar de eigen situatie. Vier vragen doen daarbij het meeste werk.
Voor welk probleem is dit de oplossing?
Klinkt vanzelfsprekend, maar het is de vraag die het vaakst wordt overgeslagen. Leg vast welk klinisch of organisatorisch probleem het model oplost, voor welke patiëntengroep het bedoeld is en wat er zou gebeuren als je het niet gebruikt. Zonder dat vertrekpunt is er geen maatstaf om het resultaat aan af te meten.
Op wie is het model gebouwd?
Een model dat is getraind op gegevens uit een academisch ziekenhuis in een ander land, presteert niet automatisch hetzelfde in een Nederlandse regionale instelling. Vraag door op de samenstelling van de trainingsdata: leeftijd, geslacht, etniciteit, comorbiditeit en de periode waarin de gegevens zijn verzameld. Vooringenomenheid ontstaat hier, niet later.
Is het gevalideerd in een omgeving die op de onze lijkt?
Prestaties op de eigen testdata van de ontwikkelaar zeggen weinig. Wat telt, is externe validatie: doet het model het ook goed op patiënten die het nog nooit gezien heeft, in een setting die vergelijkbaar is met de jouwe. Vraag om die cijfers en om de definitie die erachter zit, want een nauwkeurigheid van 95 procent betekent iets heel anders bij een aandoening die zelden voorkomt.
Wie kijkt er straks naar, en wat gebeurt er als het misgaat?
Een model dat eenmaal draait, moet worden gevolgd. Prestaties verlopen als de patiëntenpopulatie verandert, als een protocol wordt aangepast of als een leverancier het onderliggende model bijwerkt. Leg vast wie dat monitort, met welke frequentie, bij welke afwijking er wordt ingegrepen en hoe je terugvalt op de werkwijze van voor de invoering. Leg ook vast wie de eindverantwoordelijkheid draagt voor een beslissing waarin het model heeft meegewogen.
Wie deze vier vragen kan beantwoorden en de antwoorden vastlegt, voldoet in de kern aan wat de leidraad beoogt, ook zonder het volledige document als afvinklijst te gebruiken.
Een instrument, geen garantie
De leidraad is een hulpmiddel om het gesprek scherp te voeren, en dat is precies wat er in veel zorginstellingen ontbreekt. AI-projecten worden er nogal eens doorheen gedrukt op basis van een indrukwekkende demonstratie, waarna niemand nog weet op welke populatie het model is gebouwd of wie ingrijpt als de uitkomsten afwijken. Een document dat die vragen op tafel legt voordat de handtekening wordt gezet, voorkomt dat soort situaties.
Tegelijk is het geen garantie en geen keurmerk. De verantwoordelijkheid voor een zorgvuldige invoering blijft bij de organisatie zelf liggen, net als de plicht om de omgeving eromheen op orde te hebben: de beveiliging van de systemen, de omgang met patiëntgegevens en de kennis van de mensen die er dagelijks mee werken. AI verantwoord inzetten in de zorg is uiteindelijk minder een technische opgave dan een organisatorische, en de leidraad helpt vooral om dat verschil zichtbaar te maken.