AI is al slimmer dan uw arts. Dat is niet het enge deel.

Ik wilde dat AI dit probleem oploste.

Jarenlang had ik gecompliceerde patiëntgeschiedenissen, laboratoriumresultaten, symptomen, medicaties, supplementen en jaren aan eerdere behandelingen verzameld en geprobeerd alles om te zetten in een samenhangend klinisch plan. Een complex geval kon drie uur onderzoek in beslag nemen voordat ik me comfortabel voelde om te beslissen wat belangrijk was en wat er vervolgens moest gebeuren.

Toen kwam generatieve AI.

Mijn eerste gedachte was de voor de hand liggende: eindelijk.

Hier was een technologie die enorme hoeveelheden informatie kon verwerken, medische kennis sneller kon oproepen dan ik ooit kon, en relaties binnen een geval in seconden kon vinden. Ik ging ervan uit dat ik een interface rond een groot taalmodel kon plaatsen, een paar waarborgen kon bouwen en klaar zou zijn.

Dat zou geweldig zijn geweest.

In plaats daarvan, ongeveer een jaar en $1 miljoen later, met software‑engineers die samenwerkten met een klinisch team van 10 personen, waren we nog steeds aan het bouwen.

De reden was niet dat AI niet intelligent genoeg was.

Het was dat intelligentie het gemakkelijke deel was.

Ik kreeg een andere AI dan iedereen.

Mijn eerste aanwijzing kwam voordat we ooit probeerden klinische software te bouwen. Ik bleef merken dat ik dezelfde AI‑tool kon gebruiken als iemand naast me en dramatisch betere resultaten kreeg.

Waarom? Omdat ik niet simpelweg een vraag stelde en het antwoord nam. Ik betoogde ertegen. Ik daagde veronderstellingen uit. Ik leverde context die het gemist had. Ik corrigeerde fouten. Ik veranderde het kader. Ik duwde opnieuw.

Technisch gezien gebruikten we dezelfde tool. Functioneel gezien niet.

Dat is een interessant productiviteitsprobleem wanneer je een advertentie schrijft. Het wordt een heel ander probleem wanneer het onderwerp een patiënt is.

Ik heb met meer dan 70.000 zorgverleners gewerkt. Iemand kan klinisch briljant zijn en toch slecht in het verkrijgen van bruikbare informatie uit een AI‑systeem.

Dat zijn verschillende vaardigheden.

Toch lijkt een groot deel van de oplossing in de gezondheidszorg te zijn dat clinici simpelweg “prompt‑engineering” moeten leren.

Ik denk niet dat dat een serieuze oplossing is.

Als een klinisch AI‑systeem vereist dat een arts een verfijnde prompt‑engineer wordt voordat het systeem betrouwbaar is, hebben we de klinische AI nog niet voltooid.

Het onderzoek vertelt ons al iets onaangenaams.

Een gerandomiseerde klinische proef uit 2024 gaf 50 artsen moeilijke diagnostische gevallen. Artsen die GPT-4 gebruikten scoorden 76 procent; diegenen die conventionele bronnen gebruikten scoorden 74 procent, een verschil dat niet statistisch significant was.

Vervolgens testten onderzoekers GPT-4 alleen. Het overtrof de artsen die conventionele bronnen gebruikten met 16 percentage points.

Een proef uit 2026 in Pakistan vond dat, na training in AI-literacy, artsen met toegang tot GPT-4o 71.4 percent scoorden op diagnostic reasoning versus 42.6 percent voor degenen die conventionele resources gebruikten. Maar GPT-4o alone scored 82.9 percent.

Een replicatie uit 2026 in het VK vond een vergelijkbaar gat: artsen verbeterden met AI‑ondersteuning maar scoorden nog steeds meer dan 21 percentage points below the LLM working by itself.

We moeten het onaangename deel hardop zeggen: bij bepaalde cognitieve taken is AI al beter dan een individuele arts.

Geen enkele arts heeft elk medisch artikel gelezen of kan zich elk obscure disorder, interaction of contraindication herinneren op het moment dat het relevant wordt. AI kan enorme hoeveelheden informatie verwerken zonder moe te worden of tijd te missen.

De fout is te veronderstellen dat we een chatbot voor een clinici kunnen plaatsen en het probleem als opgelost kunnen beschouwen.

Het lege prompt‑vak is het probleem.

Stel je voor dat een arts een laboratoriumrapport uploadt met 150 markers en een LLM vraagt het te analyseren.

Het antwoord komt prachtig georganiseerd terug. Er is slechts één probleem: het systeem heeft niet betrouwbaar alle 150 markers geëxtraheerd.

Algemeen doelgerichte LLM’s zijn geen deterministische klinische documentparsers. Tabellen en dichte medische rapporten blijven bijzonder moeilijk. Het angstaanjagende is dat het uiteindelijke antwoord mogelijk niet aankondigt: “I missed 50 values.”

Het kan simpelweg antwoorden.

Stel je nu voor dat een van die ontbrekende waarden een dringende medische evaluatie vereist.

Dat was geen beperking waar ik omheen wilde bouwen. We moesten een andere extractietechnologie creëren om laboratoriumrapporten nauwkeurig en reproduceerbaar te verwerken voordat het klinische redeneer‑gedeelte van ons systeem kon beginnen.

Die ervaring heeft mijn manier van denken over AI‑veiligheid veranderd.

Een AI‑systeem dat je vertelt dat het iets niet weet, is ongemakkelijk.

Een AI‑systeem dat niet weet wat het heeft gemist, is gevaarlijk.

Waarom we verder moesten gaan dan AI

Klinisch werk vereist iets dat generatieve AI niet van nature biedt: reproduceerbaarheid.

We hadden controle nodig over wat er binnenkomt en wat eruit komt: betrouwbare data‑extractie, gestructureerde kennis, deterministische logica, waarborgen en systemen die relaties over de geschiedenis van een patiënt kunnen evalueren.

Klinisch redeneren is niet simpelweg een verzameling als‑dan‑regels. Soms is het signaal de relatie tussen meerdere markers. Soms worden vijf afzonderlijk onopvallende bevindingen belangrijk wanneer ze samen worden bekeken.

Ingenieurs hebben regels nodig die expliciet genoeg zijn voor software om uit te voeren. Clinici besteden hun leven aan het zeggen: “Ja, behalve…”.

De menselijke biologie zit vol uitzonderingen, modifiers, context en concurrerende verklaringen. Soms voelde het bouwen van het systeem alsof de ene groep in gebarentaal communiceerde terwijl de andere Klingon sprak.

Het antwoord was nooit “AI” of “geen AI”. Het ging erom precies te bepalen waar elk van beide thuishoort.

AI kan het dossier lezen. Mensen kunnen de sfeer aanvoelen.

Wanneer correct toegepast, kan AI het geheugen van een clinici uitbreiden, onderzoek versnellen, ongebruikelijke mogelijkheden aan het licht brengen en patronen herkennen in enorme hoeveelheden informatie.

Dat begint minder op het vervangen van de zorgverlener en meer op het bouwen van een bionische zorgverlener.

Maar de patiënt is geen klinische casus.

Een zorgverlener hoort de aarzeling vóór het antwoord. Ze merkt op wanneer het verhaal verandert. Ze leert dat de ene patiënt consequent symptomen minimaliseert terwijl een andere elke sensatie op maximale intensiteit rapporteert. Ze weet wanneer “Het gaat goed met me” duidelijk niet goed betekent.

Die informatie bestaat mogelijk nooit in het dossier.

Menselijke interactie in de geneeskunde is niet slechts een aangename laag die we toevoegen nadat de machine het intellectuele werk heeft gedaan. Het is een extra bron van klinische data.

AI kan het dossier lezen. Mensen kunnen de sfeer aanvoelen.

De beste klinische systemen zullen beide nodig hebben.

Stop met vragen of AI de arts zal vervangen

We stellen de verkeerde vraag.

De toekomst zal niet noodzakelijkerwijs toebehoren aan het bedrijf met de slimste chatbot of het meest geavanceerde foundation‑model. De belangrijke innovatie gebeurt steeds meer rond het model: hoe informatie wordt vastgelegd en geverifieerd, welke kennis wordt geleverd, wat het systeem mag afleiden, waar deterministische controles overnemen en waar een mens in de lus moet blijven.

Ruwe intelligentie wordt overvloedig.

Betrouwbare systemen om die intelligentie toe te passen zijn veel moeilijker te bouwen.

En we moeten dat probleem niet oplossen door van elke clinici te eisen een amateur‑AI‑ontwikkelaar te worden. De complexiteit moet in de technologie zelf zitten, niet in de prompt van de arts.

De arts van de toekomst zal AI niet verslaan op geheugen. Die wedstrijd wordt al zinloos.

In plaats daarvan moeten we systemen bouwen die clinici het geheugen, de verwerkingskracht en patroonherkenning van de machine geven, terwijl ze de context, het oordeel, het scepticisme en de menselijke verbinding van de zorgverlener behouden.

We noemen dat de bionische zorgverlener.

Ik vermoed dat patiënten het uiteindelijk iets veel eenvoudigers zullen noemen.

Hun arts.