AI in de zorg. Verantwoord gebouwd, klinisch bruikbaar.

Veel zorgorganisaties zitten vast tussen twee uitersten. Aan de ene kant pakkettenleveranciers die "AI" in hun roadmap zetten zonder dat er iets klinisch bruikbaars uit komt. Aan de andere kant losse AI-startups met indrukwekkende demo's die niet door de informatie-veiligheid, het EPD-team of de wetenschappelijke raad heen komen.

De praktijk vraagt iets anders: AI die meedraait in een bestaande EPD-flow, die voldoet aan AVG, NEN 7510, MDR en de AI Act, en die uit te leggen is aan toezichthouders en de medische staf. Geen black-box. Geen diagnostische claim die niet door MDR-certificering heen komt.

Wij bouwen aan de niet-diagnostische kant van de zorg-AI-keten — administratie-AI, workflow-AI, klantservice-AI, predictive analytics op operationele data — en koppelen met EPD's als HiX, ChipSoft, Epic en Cerner. Voor medische-device-AI werken we samen met NEN 7510-partners die de MDR-route invullen.

De doelgroepen verschillen sterk in hun AI-volwassenheid. UMC's en STZ-ziekenhuizen hebben vaak een eigen data-science-afdeling en zoeken een partner voor productie-rijpheid van research-modellen. Algemene ziekenhuizen en ZBC's willen vooral workflow-winst zonder uit te zoeken hoe AVG, NEN 7510 en MDR op elkaar inwerken. GGZ-instellingen en de langdurige zorg kijken naar rapportage-AI en cliënt-communicatie. Huisartsenposten en apothekers staan voor triage-bots en medicatie-bewaking. Zorgverzekeraars en diagnostische centra hebben eigen klantservice-AI en declaratie-AI-trajecten lopen. Wij sluiten aan op het volwassenheids-niveau van het team — niet alles hoeft AI te zijn, en niet alle AI hoeft door ons gebouwd te worden.

De waarschuwing achter al deze use-cases: voor medische diagnostiek of behandeling-AI is MDR Class IIa of hoger geen optie maar verplichting. Die device-laag bouwen wij niet op eigen titel. Wel bouwen we de administratieve, workflow- en niet-diagnostische AI-laag die het overgrote deel van de tijdwinst voor zorgprofessionals oplevert — vaak het verschil tussen een arts die avondelijk uren administratie inhaalt en een arts die zijn dossiers binnen zijn dienst sluit.

Bij UMC's, RIVM en ZonMW-gesubsidieerde onderzoeksprojecten kennen AI-trajecten een dubbele dynamiek. De research-kant levert het idee, het model en de evaluatie-set. De productie-kant moet dat model in een EPD- of klantsysteem brengen, met de bewijsketen die toezichthouders en de medische staf nodig hebben. Veel veelbelovende research-modellen sneuvelen op exact dat gat — de overgang van een Jupyter-notebook met goede AUC-scores naar een productie-rijp systeem dat aan AVG, NEN 7510 en de AI Act voldoet.

Wij vullen die brug. Voor onderzoeksinstellingen bouwen we de productie-laag rond een model, inclusief pseudonimisering, audit-log, model-card, evaluatie-pipeline en governance-documentatie. Voor publicatie-gericht onderzoek leveren we reproducibility-tooling en data-management-plannen die FAIR-principes ondersteunen. Voor onderwijs en interne kennis-overdracht werken we samen met de eigen data-science-afdeling — geen lock-in, en geen vendor-overdracht die uw onderzoeksteam vleugellam maakt.

Drug discovery en genomics zijn een aparte tak met eigen tooling-keten. We bouwen daar geen eigen platform — wel custom-data-pipelines, LLM-koppelingen op publieke kennisbronnen en integraties met laboratorium-instrumenten. Voor precision-medicine-toepassingen in een UMC werken we doorgaans samen met een biotech-of pharma-partner die de wetenschappelijke validatie levert.

Een terugkerend thema bij onderzoeksinstellingen is de FAIR-data-discipline: vindbaar, toegankelijk, interoperabel en herbruikbaar. AI-projecten die hier niet aan voldoen krijgen later trouble bij publicatie, peer-review of vervolg-financiering. Onze pipeline registreert metadata, model-versies en evaluatie-runs zodat een externe partij — een wetenschappelijke commissie, een toezichthouder, of de subsidie-verstrekker — de keten kan reconstrueren. Voor health-tech-startups die richting Series A bewegen is dit het verschil tussen een geloofwaardige due diligence en een rode vlag in het tech-rapport.