Gezondheidszorg

Echocardiografie met AI-begeleiding levert in gecontroleerde studies vaak bruikbare beelden op

Lila Rowan
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenGecontroleerde settings leverden 98,0% echocardiografie van diagnostische kwaliteit op…
Meer weergeven
  • Gecontroleerde settings leverden 98,0% echocardiografie van diagnostische kwaliteit op, terwijl gedecentraliseerde gemeenschapsstudies samenkwamen op 63,7%.
  • De vergelijking van settings was post hoc en verstoord door supervisietraining en patiëntenselectie, dus causaliteit blijft onbewezen.
  • Verwerving van diagnostische kwaliteit is geen nauwkeurige diagnose en geen enkele studie koppelde AI-begeleiding aan patiëntuitkomsten.

Een systematische review en meta-analyse van Bijay Bastola en collega’s, gepubliceerd op 16 november 2026 in BMC Cardiovascular Disorders, schatte het gepoolde percentage echocardiografieonderzoeken van diagnostische kwaliteit op 96,3% bij beginnende en niet-deskundige uitvoerders die in acht studies realtime AI-begeleiding gebruikten. Deze maat geeft aan of een opname voldeed aan de vooraf vastgestelde adequaatheidsdrempel van de betreffende studie.

De resultaten liepen sterk uiteen naargelang de setting waarin de methode werd ingezet. Zes studies onder gecontroleerde of gestructureerde omstandigheden kwamen uit op een gepoold percentage van 98,0%, met een 95%-betrouwbaarheidsinterval van 96,7% tot 99,2%. Twee gedecentraliseerde praktijkstudies in de gemeenschap kwamen samen uit op 63,7%, met een 95%-betrouwbaarheidsinterval van 20,6% tot 92,6%; de percentages in die afzonderlijke studies waren 44,8% en 79,8%. Uit een meta-regressie bleek dat het verschil tussen de subgroepen statistisch significant was bij p < 0,001.

De auteurs beschouwden deze vergelijking als post-hoc en verkennend, niet als vooraf geregistreerd. De setting waarin de methode werd ingezet hing samen met factoren als supervisie, opleiding, achtergrond van de uitvoerders, patiëntenselectie en uitkomstdefinities. Daarom toont de analyse niet aan dat de setting de oorzaak was. Omdat er slechts twee gemeenschapsstudies waren, is de lagere schatting beschrijvend en geen voorspelbaar succespercentage voor toekomstige programma’s.

Wat de review onderzocht

De analyse omvatte 2.365 observaties op het niveau van onderzoek, scan of beeld, verzameld door 74 uitvoerders die geen eerdere formele opleiding of certificering in echocardiografie hadden. De in aanmerking komende studies betroffen echte patiënten en AI-begeleiding tijdens het maken van de beelden zelf, niet de geautomatiseerde interpretatie van eerder gemaakte beelden. Het bewijsmateriaal omvatte vijf AI-systemen en uiteenlopende soorten uitvoerders, van verpleegkundigen en niet-klinisch onderzoekspersoneel tot medisch stagiairs, huisartsen en gezondheidswerkers in de gemeenschap.

Twee reviewers doorzochten onafhankelijk van elkaar PubMed/MEDLINE, Google Scholar, Embase, Scopus en ClinicalTrials.gov; de laatste zoekupdate vond plaats op 27 september 2026. Een tweede statistisch model schatte het totale percentage op 93,0%; gevoeligheidsanalyses met verschillende studiegroepen, uitkomstdefinities en statistische methoden kwamen uit op 91,2% tot 97,8%. Het 95%-betrouwbaarheidsinterval van de hoofds schatting liep van 85,5% tot 99,3%. De aanzienlijke verschillen tussen de studies brachten de auteurs ertoe te waarschuwen dat de totaalschatting niet mag worden beschouwd als een universeel percentage voor nieuwe toepassingen.

Beeldkwaliteit en klinische uitkomsten

In vijf studies beoordeelden onafhankelijke deskundige lezers de beeldkwaliteit. In de andere drie gold een beeld als adequaat als de AI-software met succes een geautomatiseerde meting van de linkerventrikelejectiefractie genereerde, een maat voor de hartfunctie. Daardoor bepaalde het onderzochte systeem mede de uitkomst. Niet elke observatie betrof een afzonderlijke patiënt: zes studies rapporteerden onderzoeken, één telde 60 scanpogingen bij 10 patiënten en een andere telde 954 beelden van 159 patiënten.

Omdat vrijwel alle geïncludeerde studies enkelarmig waren, laten de resultaten zien wat beginners met AI-begeleiding bereikten, maar niet hoeveel de begeleiding toevoegde ten opzichte van beeldverwerving zonder ondersteuning. Beeldverwerving van diagnostische kwaliteit staat bovendien niet gelijk aan een nauwkeurige diagnose, en geen van de studies rapporteerde effecten op het klinisch beleid of de patiëntuitkomsten.

De reviewers noemden opleiding van uitvoerders, supervisie, controles van de beeldkwaliteit en kwaliteitsborging als aandachtspunten voor bredere toepassing. Ook riepen ze op tot vergelijkende studies bij echte patiënten die beeldkwaliteit koppelen aan diagnostische nauwkeurigheid en uitkomsten. Voor screeningsprogramma’s betekent dit in de praktijk dat opgeleide niet-deskundigen onder gestructureerde protocollen haalbaar beelden kunnen maken. Voor bredere toepassing is echter nog bewijs nodig dat betrouwbare beeldverwerving ook in gemeenschapssettings kan worden gerealiseerd en dat de beelden die daaruit voortkomen leiden tot nauwkeurige diagnoses en betere patiëntuitkomsten.

Lila Rowan is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar ze de kruispunten van kunstmatige intelligentie, gezondheidszorg en geestelijke gezondheid bestudeert. Haar werk richt zich op hoe AI-gestuurde tools diagnostiek verbeteren, toegang tot zorg uitbreiden en geestelijke gezondheidsdiensten ondersteunen op manieren die menselijke clinici aanvullen - niet vervangen.
Met een compassievol en op bewijs gebaseerd perspectief onderzoekt Lila klinische studies, real-world implementaties en opkomende gezondheidstechnologieën door een humanistische lens. Ze is vooral geïnteresseerd in AI-toepassingen die barrières voor zorg verlagen, vroege detectie verbeteren en geestelijk welzijn ondersteunen met respect voor de privacy en veiligheid van patiënten en voor ethische normen.
Artikelen geschreven door Lila Rowan zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om nauwkeurigheid, gevoeligheid en verantwoorde verslaggeving over gezondheids- en geestelijke gezondheidstechnologieën te garanderen.