Gezondheidszorg

Scale AI lanceert vijf AI-agenten voor ziekenhuisactiviteiten

Lila Rowan
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenDe benchmarks van Scale tonen aan dat juiste antwoorden gebrekkige redeneringen en…
Meer weergeven
  • De benchmarks van Scale tonen aan dat juiste antwoorden gebrekkige redeneringen en overmoedige systemen kunnen verbergen.
  • Elk getest agentisch systeem onthield zich te weinig in plaats van zich terug te trekken wanneer gegevens een zaak niet konden beslechten.
  • Bronlinks en goedkeuring door een clinicus zijn de mechanismen die bedoeld zijn om procesfouten aan menselijke beoordeling bloot te leggen.

Scale AI kondigde op 16 november 2026 Scale for Hospital Operations aan en lanceerde vijf AI-toepassingen voor planning, advies over medische orders, beoordeling van medische dossiers, veiligheidsonderzoeken en klinische documentatie. De toepassingen zijn vanaf diezelfde dag beschikbaar voor zorginstellingen.

Elke toepassing kan draaien op elk model binnen de eigen omgeving van de zorginstelling. Implementaties omvatten de inzet van Scale-ingenieurs en klinische vakinhoudelijke experts. Volgens Scale zijn beoordeling door clinici, lokale opslag van gegevens en ontwikkeling in samenwerking met gebruikers voorwaarden voor AI in ziekenhuizen.

Scale zei ook dat het in het jaar voorafgaand aan de lancering in ziekenhuizen had gewerkt, waaronder bij een niet nader genoemde Amerikaanse zorginstelling die het omschreef als een van de best aangeschreven instellingen. Het werk was erop gericht clinici te helpen veiligheidsincidenten eerder te signaleren. De vijf toepassingen vormen het eerste deel van een breder portfolio; voor de maanden na de lancering staan meer toepassingen en agenten op de planning.

Menselijke controle in vijf werkprocessen

De agent voor intelligente planning is bedoeld om verwijzingen te beoordelen op klinische urgentie en afspraken in te plannen op basis van de vereisten voor ruimtes en apparatuur en de voorkeuren van artsen. De agent kan bestaande schema’s aanpassen voor patiënten die met spoed hulp nodig hebben en afspraken tussen specialismen op elkaar afstemmen. De agent voor advies over medische orders beoordeelt de patiëntgeschiedenis, signaleert ontbrekende tests en doet aanbevelingen voor laboratoriumonderzoek, beeldvorming en medicatievoorschriften, met bronverwijzingen ter beoordeling door een clinicus.

Voor taken waarbij veel informatie moet worden verwerkt, stelt de agent voor beoordeling & samenvatting van medische dossiers een patiëntgeschiedenis samen uit verspreide dossiers en koppelt elke bevinding aan de bron, zodat deze kan worden gecontroleerd. De agent voor veiligheids- en incidentonderzoek geeft prioriteit aan veiligheidsincidenten en zoekt naar terugkerende patronen, zodat teams eerst incidenten met een hoger risico kunnen onderzoeken in plaats van meldingen uitsluitend op volgorde van binnenkomst af te handelen. De agent voor klinische documentatie & kwaliteitscontrole stelt rapporten op ter beoordeling en goedkeuring door een clinicus, controleert documentatie aan de hand van ziekenhuisrichtlijnen en vereist dat auditors elke bevinding bevestigen.

Onderzoek van Scale naar evaluatiemethoden in de zorg

De aankondiging koppelt het portfolio aan drie zorgbenchmarks van Scale Labs. CliniCARE-Bench maakt gebruik van echte, geanonimiseerde longitudinale elektronische patiëntendossiers. De benchmark omvat 25 door clinici gevalideerde scenario’s, uitgewerkt in 750 casussen die betrekking hebben op 14 specialismen en tien redeneervaardigheden. De benchmark maakt onderscheid tussen casussen met ontbrekende gegevens en casussen die medisch gezien onduidelijk blijven, registreert het ophalen van informatie en bronverwijzingen, en beoordeelt de onderbouwing met bewijs en beleid, het volgen van procedures en de mate waarin het systeem zich op passende wijze van een antwoord onthoudt wanneer een dossier geen definitief antwoord ondersteunt.

Scale Labs meldt dat de 16 AI-agentsystemen die het heeft getest een ruwe nauwkeurigheid van 65,3% tot 76,1% behaalden. Wanneer verboden redeneersnelkoppelingen werden bestraft, daalde de nauwkeurigheid zonder gebreken echter met 4,8 tot 14,8 procentpunt. Elk systeem onthield zich te weinig van antwoorden en gaf vaker een definitief antwoord dan dat het zich ervan onthield in gevallen waarin het dossier geen uitsluitsel kon geven. Dit zijn benchmarkbevindingen voor de geteste systemen, geen gerapporteerde validatieresultaten voor de vijf ziekenhuisapplicaties.

Twee verwante benchmarks bouwen voort op die aanpak. PSEBench omvat 5.074 casussen voor triage van patiëntveiligheidsincidenten, gebaseerd op de 29 meldingsplichtige ongewenste gezondheidsgebeurtenissen van Minnesota. De casussen bevatten varianten met volledige informatie, ontbrekende informatie en onzekerheid. De benchmark is gebruikt om 15 taalmodellen te evalueren. DistressBench omvat 718 door clinici opgestelde gesprekken, verdeeld over 23 subcategorieën van suïcide en zelfbeschadiging. Scale Labs meldt dat het model de gebruiker in 35,3% van de gesprekken waarin het een crisis volledig herkende, toch niet naar menselijke hulp verwees.

Scale zegt dat dit onderzoek de basis vormt voor evaluaties op maat, afgestemd op de werkprocessen van zorginstellingen, en tegelijk een gemeenschappelijke manier biedt om modellen te vergelijken. De nadruk op onduidelijkheid en processen sluit aan bij de beschreven controles voor advies over medische orders, dossiercontroles, goedkeuring van rapporten en auditbevindingen.

Bewijs uit documentatie en de beperkingen ervan

Een door Scale aangehaalde studie uit 2025 in JAMA Network Open onderzocht gedurende 30 dagen 263 poliklinische zorgverleners in zes Amerikaanse zorginstellingen die allemaal dezelfde AI-dicteerassistent van Abridge gebruikten, die gesprekken op de achtergrond vastlegt. De studie evalueerde de producten van Scale niet. In de gecorrigeerde analyse daalde het geschatte burn-outpercentage van 51,9% naar 38,8%. Deelnemers meldden ook verbeteringen in de cognitieve belasting door verslaglegging, documentatie buiten werktijd en gerichte aandacht voor patiënten.

De resultaten ondersteunen de redenering dat AI-hulpmiddelen voor documentatie de administratieve belasting kunnen verminderen, maar betreffen poliklinisch gebruik van een ander product dan het nieuwe portfolio voor ziekenhuisactiviteiten. De onderzoekers noemden belangrijke kanttekeningen: deelname was vrijwillig, enquêtes waren niet anoniem, de uitkomsten waren zelfgerapporteerd en er was geen controlegroep om rekening te houden met trends in de tijd. Deze beperkingen maken het lastig vast te stellen wat de resultaten van de vergelijking vóór en na de interventie over een periode van 30 dagen precies aantonen. Dat geldt vooral nu Scale de redenering over administratieve belasting uitbreidt van poliklinische documentatie naar planning, medische orders en veiligheidstriage.

Voor zorgsystemen is de centrale vraag bij deze lancering of evaluaties die zijn afgestemd op hun eigen werkprocessen bewijs kunnen leveren voor het ophalen van informatie, naleving van beleid en het op passende wijze afzien van een antwoord, naast de nauwkeurigheid van antwoorden. De benchmarks van Scale laten zien hoe juiste antwoorden gebrekkige processen kunnen verhullen; de bronverwijzingen, aanbevelingen met bronvermelding, goedkeuring door zorgverleners en bevestiging door auditors in de nieuwe toepassingen zijn bedoeld om die problemen zichtbaar te maken voor menselijke beoordeling.

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.