Andreas Cleve, mede-oprichter en CEO van Corti – Interviewreeks

Andreas Cleve, mede-oprichter en CEO van Corti, is een ondernemer die zich richt op het verbeteren van kunstmatige intelligentie in de gezondheidszorg. Zijn werk in de sector begon met Ovivo, een platform voor conversational workforce planning voor ziekenhuizen dat snel uitbreidde in Denemarken voordat het in 2013 werd overgenomen. Hij richtte later Hyvi op, een onderzoeksinitiatief dat context-gevoelige taalmodellen onderzocht die in staat waren om complexe gesprekken in real-time te begrijpen, wat uiteindelijk in 2018 uitgroeide tot Corti. Naast het opbouwen van bedrijven, heeft Cleve een sleutelrol gespeeld bij het versterken van het Noord-Europese AI-ecosysteem door middel van initiatieven zoals Nordic.ai en adviesrollen bij organisaties zoals DIGITALEUROPE en de Nationale Digitaliseringsraad van Denemarken.

Corti is een in Kopenhagen gevestigde gezondheidszorg AI-bedrijf dat gespecialiseerde modellen ontwikkelt om medische gesprekken te begrijpen en clinici in real-time te ondersteunen. Het platform fungeert als een AI-assistent voor gezondheidsprofessionals door klinische documentatie te genereren, inzichten te bieden tijdens patiëntinteracties en administratieve workflows te automatiseren. Door zijn technologie aan te bieden via API’s en integraties met gezondheidszorgsystemen, streeft Corti ernaar om de werklast van clinici te verminderen en efficiëntie en besluitvorming te verbeteren in ziekenhuizen en digitale gezondheidsplatforms.

U bent opgegroeid in een gezin waar gezondheidszorg een constante factor was in het dagelijks leven… Hoe hebben die vroege ervaringen de oprichting van Corti gevormd, en welke specifieke problemen was u vastbesloten om vanaf het begin op te lossen?

Opgroeien in een gezin met gezondheidszorg maakte twee dingen pijnlijk duidelijk: deskundigheid is enorm belangrijk, en de processen die die deskundigheid overdragen zijn kwetsbaar en falen vaak de mensen die ze het meest nodig hebben. Die vroege ervaringen in het gezin, waaronder het zien van verzorgers die worstelden, het zien van kennis die verloren ging bij overdrachten, en het voelen van de angst die voortkomt uit onconsistentie in de zorg, zaaiden de overtuiging dat gezondheidszorg voorspelbaar moet zijn en dat clinici nooit alleen moeten staan wanneer een moeilijke beslissing moet worden genomen. Dat vertaalde zich rechtstreeks naar de oprichtingsmissie van Corti: het bouwen van systemen die deskundigheid ondersteunen, zodat clinici altijd betrouwbare, real-time besluitondersteuning hebben.

Vanaf het begin hebben we ons gericht op het aanpakken van het tekort aan en de onevenwichtigheid in de gezondheidszorg: de kloof tussen de complexiteit van de moderne geneeskunde en de beperkte menselijke capaciteit om die overal toe te passen, door het creëren van AI die variatie vermindert, detectie versnelt en veiligere beslissingen ondersteunt in de momenten die het meest tellen.

Corti positioneert zichzelf als gezondheidszorg AI-infrastructuur in plaats van een zelfstandige AI-assistent. Wat betekent infrastructuur in deze context, en welke mogelijkheden ontgrendelt het dat puntoplossingen of chat-gebaseerde tools niet kunnen?

Wanneer we het over infrastructuur hebben, bedoelen we dat we geen enkel hulpmiddel of widget leveren; we bouwen de fundamenten die klinisch-grade AI mogelijk maken over veel workflows. Infrastructuur hier betekent: gezondheidszorg-native modellen en data (niet generische webdata), een klinisch redeneringslaag die antwoorden met klinische context oppervlaktet, levenscyclus- en governancehulpmiddelen (modelkaarten, audittrails, verifieerbare afstamming), implementatieopties die voldoen aan regulators (soevereine clouds, on-prem of private endpoints), en developer-gerichte API’s en SDK’s die productteams in staat stellen klinische intelligentie in hun apps te integreren zonder ML- of compliance-experts te worden.

Die aanpak ontgrendelt drie dingen die puntoplossingen niet kunnen: (1) implementeerbaarheid, wat betekent modellen en runtime die overleven in klinische beperkingen (latentie, data-residentie, auditability); (2) schaalbaarheid over specialisaties, wat betekent herbruikbare, gecertificeerde bouwstenen (spraken, codering, klinisch gespecificeerde eindpunten) die de kosten van het bouwen van veel verticale apps verminderen; en (3) regelgevende en ondernemingsvertrouwen, wat betekent beleid, BA’s, en complianceprimitieven die in de platform zijn ingebouwd, zodat klanten van pilots naar productie kunnen gaan. Kortom, infrastructuur verandert klinisch onderzoek in implementeerbare diensten die ontwikkelaars en ziekenhuizen kunnen leveren, certificeren en schalen.

Algemene AI-modellen worden vaak toegepast in klinische omgevingen met gemengde resultaten. Wat zijn de meest voorkomende manieren waarop deze modellen tekortschieten wanneer ze in echte gezondheidsomgevingen worden gebruikt?

Algemene AI-modellen hebben een opmerkelijke vooruitgang geboekt, en voor veel taken werken ze goed. Maar gezondheidszorg beloont diepte op manieren die horizontale AI niet gemakkelijk kan repliceren. Klinisch redeneren is afhankelijk van subtiele signalen, gespecialiseerde terminologie, institutionele context en een begrip van hoe documentatie stroomt door regelgevende en vergoedingsystemen. Het goed krijgen van die dingen vereist training op klinische data, validatie tegen klinische benchmarks en het bouwen van compliance in de stack vanaf het begin. Het is geen prompt-probleem; het is een onderzoeksprobleem, wat de reden is waarom we denken dat gezondheidszorg een toegewijd AI-lab nodig heeft, een dat diep kan gaan op het domein in plaats van breed over veel.

Corti werkt over heel Europa, de VS en daarbuiten, elk met verschillende zorgmodellen en governance. Hoe ontwerpt u AI-systemen die zich aanpassen aan deze echte complexiteit?

We ontwerpen voor complexiteit door meer van de stack te eigenen en door implementatie en governance tot eerste klas burgers te maken. In de praktijk betekent dat trainen op gezondheidszorg-only data en modellen afstemmen op klinisch redeneren; het bouwen van audittrails, modelkaarten en BAA-klare API’s; en het architectureren van routering zodat compliancecontroles worden geselecteerd door geografie en risicoprofiel. Voor klanten die het nodig hebben, bieden we soevereine cloud- en on-prem-implementatieopties, zodat aanbieders kunnen kiezen waar hun data leeft en controle kunnen behouden over de modellen die erop draaien.

Die flexibiliteit laat ons toe om hetzelfde klinische AI over verschillende zorgmodellen te draaien, terwijl we lokale documentatiestandaarden, privacywetten en institutionele governance eerbiedigen. Belangrijk is dat we onderzoek behandelen als een ladder naar productie; elke vooruitgang moet traceerbaar, testbaar en implementeerbaar zijn in de echte wereld, niet alleen veelbelovend in het lab. Dat is wat het betekent om gebouwd te zijn om te floreren in klinische realiteit.

Als we kijken naar de klinische workflows van vandaag, waar levert Corti de meest directe, meetbare impact, en waarom zijn die gebieden het meest belangrijk voor overbelaste clinici?

Corti’s meest directe impact vandaag is in de klinische en administratieve workflows die de zwaarste last dragen. Onze modellen en API’s ondersteunen ambient documentatie, codering en agent-gedreven automatisering binnen gezondheidszorgsoftware die door clinici elke dag wordt gebruikt.

Die gebieden zijn belangrijk omdat documentatie en facturering onderdeel zijn van de meest tijdrovende en foutgevoelige delen van zorglevering. Wanneer gesprekken worden omgezet in gestructureerde, EHR-klaar notities in real-time, wanneer codering completer en nauwkeuriger is, en wanneer routine-workflows veilig worden geautomatiseerd binnen gereguleerde systemen, besteden clinici minder tijd aan papierwerk en zien organisaties meetbare verbeteringen in efficiëntie en facturatiekwaliteit.

Gezondheidszorg is niet één monolithisch probleem, maar duizenden specialisatie-specifieke workflows die onder regelgevende druk opereren. Door productie-grade AI te bouwen die floreert in klinische realiteit, maken we het mogelijk voor softwarebedrijven en gezondheidszorgsystemen om die problemen aan te pakken op schaal. Dat is waar gezondheidszorg’s AI-lab praktische, meetbare retour levert.

Corti ondersteunt honderdduizenden patiëntinteracties elke dag. Wat zijn de lessen die zijn geleerd bij het opereren van AI op die schaal die niet duidelijk zijn in pilots of lab-omgevingen?

Opereren op schaal onthult wrijving die pilots verbergen: heterogene datakwaliteit (geen twee EHR’s of calltranscripties zien er hetzelfde uit), productielatentie en streamingbeperkingen, juridische en contractuele complexiteit over klanten en geografische gebieden, en de permanente randgevallen die alleen onder belasting verschijnen. Labs kunnen nauwkeurigheid meten op gecuratede sets; productie dwingt je om routing, observatie, driftdetectie, modelrollback en verantwoordelijke audittrails op te lossen. Een andere les: echte vertrouwen wordt verdiend door modellen verklarend, herhaalbaar en certificeerbaar te maken, in plaats van door enkele-siteprestaties. Tenslotte onderschatten pilots de totale kosten van eigendom: ontwikkelaars in productie hebben SDK’s, consistente eindpunten en governanceprimitieven nodig om veiligheid en productiviteit te behouden.

Gezondheidszorg eist een hogere verklarende waarde dan consumenten-AI. Hoe benaderen jullie klinisch redeneren, transparantie en verantwoordelijkheid wanneer AI medische beslissingen beïnvloedt?

Gezondheidszorg eist een hogere standaard omdat de kosten van fouten echt zijn. Klinisch AI kan niet alleen plausibele taal genereren; het moet redeneren over complexe, gereguleerde, hoge-stakesinformatie op een manier die transparant en inspecteerbaar is.

Daarom hebben we GIM ontwikkeld, onze Gradient Interaction Modifications-methode, om klinisch redeneren meer interpreteerbaar te maken op modelniveau. GIM bereikte onlangs de top van de Hugging Face Mechanistic Interpretability Benchmark, met een #1-notering op de leaderboard onder interpretatiebenaderingen. Dat is belangrijk omdat interpretatie in gezondheidszorg geen academische oefening is – het is fundamenteel voor vertrouwen, veiligheid en regelgevende adoptie.

Verder dan onderzoek moet transparantie doorlopen naar implementatie. We bieden modelkaarten, validatiebenchmarks, audittrails en versiebeheer, zodat klanten exact weten wat er draait en hoe het is geëvalueerd. Outputs zijn gekoppeld aan bewijs, onzekerheid is expliciet en systemen zijn ontworpen om clinici te ondersteunen als ondersteuner van beslissingen, in plaats van ze te vervangen met een ondoorzichtige black box.

In gezondheidszorg is verklarende waarde geen functie. Het is een vereiste voor vertrouwen. Daarom benaderen we klinisch AI als een labdiscipline en zorgen we ervoor dat onderzoek in productie-grade systemen wordt geleverd die geïnspecteerd, gereguleerd en veilig geïmplementeerd kunnen worden.

AI-soevereiniteit is een kritisch onderwerp in gereguleerde sectoren. Wat betekent soevereiniteit in gezondheidszorg, en hoe kunnen aanbieders controle behouden terwijl ze toch profiteren van geavanceerde AI?

In gezondheidszorg betekent soevereiniteit dat aanbieders controle behouden over data-residentie, modelkeuze en operationele governance. In de praktijk wordt soevereiniteit bereikt met opties voor lokale of regionale hosting (soevereine clouds en on-prem), private model-eindpunten, volledige audit- en levenscycluscontrole, en contractuele en technische garanties (BA’s, SLA’s, DPIA’s). Soevereiniteit is niet anti-cloud; het is over het geven van aanbieders de mogelijkheid om te kiezen waar hun workloads draaien en om verifieerbare controle en traceerbaarheid over modellen en data te hebben. Die combinatie laat aanbieders toe om toegang te krijgen tot state-of-the-art-capaciteiten terwijl ze tegelijkertijd juridische en institutionele verplichtingen nakomen.

Als oprichter en adviseur van EU-initiatieven, hoe ziet u regelgeving evolueren, en waar onderschatten beleidsmakers nog steeds de technische realiteiten van klinisch AI?

Europa heeft gelijk om regelgeving serieus te nemen. In gezondheidszorg zijn auditability, traceerbaarheid en verantwoordelijkheid geen opties – ze zijn vereisten voor vertrouwen.

Waar beleidsmakers soms de realiteit onderschatten, is in hoe operationeel klinisch AI is. Certificatie is geen eenmalige goedkeuring; het vereist continue monitoring, versiebeheer en voortdurende validatie. Tegelijkertijd moeten we over-regulering vermijden. Als compliance onevenredig wordt, vertraagt innovatie en bereiken nuttige tools nooit clinici.

Bij Corti gaan we ervan uit dat regelgeving vanaf dag één geldt. We bouwen auditability, modelgovernance en soevereine implementatieopties rechtstreeks in onze modellen en API’s, zodat startups en gevestigde leveranciers niet hoeven te retrofitten voor compliance later. Gezondheidszorg is complex en gefragmenteerd, en de enige manier om tempo te maken is door regelgevingsgereedheid in de fundamenten te bakken. De balans die Europa nodig heeft, is streng maar praktisch: patiënten beschermen maar het mogelijk maken om veilig en op schaal te bouwen en te implementeren.

Als we 12-24 maanden vooruitkijken, welke grote verschuivingen kunnen gezondheidszorgleiders van Corti verwachten, en hoe zetten die plannen de basis voor 2026?

Verwacht dat Corti zijn inspanningen verdubbelt op het lab-naar-productiepad: het verzenden van onderzoeksgebaseerde, klinisch-grade modellen en het verpakken ervan als implementeerbare infrastructuur (spraken, codering en agent-eindpunten, een klinisch redeneringslaag en soevereine implementatieopties). Aankomende roadmapplannen omvatten verbeterde STT en latentiebenchmarks, voice-agents, medische coderingsmodellen die in productie gaan, en meerdere soevereine cloudlanceringen, allemaal expliciet ontworpen om klanten van pilots naar gecertificeerde productie te brengen. Corti is geen enkele applicatie; het is het AI-lab van de gezondheidszorg, gebouwd om hele klassen van veilige, auditable klinische software mogelijk te maken – de basis voor onze 2026-ambities.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Corti bezoeken op Corti.