In gesprek met Michael de Nerée: AI verantwoord opschalen in de zorg

Michael is co-founder van Medscio, en voormalig bestuurslid én directeur van de Zorgambassade. Met zijn werk aan zorgdata-standaardisatie en -beheer maakt hij hergebruik en uitwisseling van zorggegevens betrouwbaarder en eenvoudiger, wat een essentiële bouwsteen is voor innovatie in de zorg.

Omdat “AI: verantwoord opschalen” het thema is van Zorgambassade editie 2026, vroegen we hem naar zijn ervaringen en welke obstakels overwonnen moeten worden om AI toe te kunnen passen in het huidige zorgsysteem.

Wat zijn volgens jou de grootste knelpunten om AI op te kunnen schalen in de zorg? Kun je daar een voorbeeld van geven?

Het grootste knelpunt ligt wat mij betreft niet in de AI zelf, maar in de randvoorwaarden die nodig zijn om AI veilig, betrouwbaar en betekenisvol in de zorg te kunnen ontwikkelen en inzetten. Aan die basis ontbreekt het vaak in de praktijk.

Zorginstellingen verschillen sterk in hun digitale infrastructuur, databeheer en kennis over hoe AI verantwoord kan worden toegepast. Ook is nog niet altijd duidelijk wie waarvoor verantwoordelijk is bij het gebruik van AI. Tegelijk vraagt implementatie veel tijd en middelen, terwijl de druk op de zorg al hoog is. Daardoor blijven veel initiatieven hangen in pilots of lokale projecten, terwijl het potentieel veel groter is. Juist het op orde brengen van die basis wordt vaak onderschat.

Een van de belangrijkste randvoorwaarden is misschien wel de kwaliteit, compleetheid en eenduidigheid van data, het fundament waarop elke digitale innovatie rust. Voor een algoritme is die data namelijk de ‘werkelijkheid’. AI ‘ziet’ niet de patiënt of het zorgproces, maar alleen wat daarover is vastgelegd. Verschillende zorginstellingen leggen ogenschijnlijk dezelfde informatie vaak nét anders vast, waardoor ‘dezelfde’ data toch iets anders kan betekenen, of schijnbaar verschillende data juist hetzelfde is. Dat maakt het moeilijk om intern gefragmenteerde en organisatie overstijgende data samen te brengen, AI betrouwbaar te trainen, te implementeren en op te schalen.

Daar werken we met Medscio dagelijks aan: we helpen inmiddels zo’n vijftien zorgorganisaties om data niet alleen correct vast te leggen, maar ook duurzaam te standaardiseren naar internationale terminologieën zoals SNOMED en LOINC en beheren, ondersteund door AI, maar altijd met inhoudelijke validatie door experts. Zo wordt informatie betrouwbaar, betekenisvol en herbruikbaar, en kan die overal op dezelfde manier worden begrepen en gebruikt: de basis voor organisatie-overstijgende innovaties die écht aansluiten bij de zorgpraktijk.

Hoe moeilijk is het in de praktijk om AI verantwoord op te schalen?

Best lastig. De zorg is een complexe omgeving, met uiteenlopende systemen, belangen en routines. Daardoor vraagt succesvolle implementatie niet alleen om technologische oplossingen, maar ook om nauwe samenwerking, vertrouwen en tijd.

Nieuwe technologische mogelijkheden en huidige werkprocessen sluiten in de zorg nog vaak onvoldoende op elkaar aan, waardoor het volledige potentieel van innovatie onbenut blijft. Daar komen dus ook organisatorische factoren bij zoals eerder benoemd, inclusief beperkte tijd van zorgprofessionals om met de innovaties verantwoord te leren werken. Het moet dus intuïtief en veilig te gebruiken zijn in de weerbarstige en drukke zorgpraktijk. Verantwoord opschalen vraagt daarom niet alleen om technische verfijning, maar vooral om het op elkaar afstemmen van mens, proces en technologie.

Bij Medscio merken we dat het helpt om klein te beginnen: een toepassing eerst op één afdeling of binnen één ziekenhuis zorgvuldig te implementeren, gezamenlijk met de zogenoemde 'eindgebruiker' continue goed te evalueren en pas daarna breder op te schalen. Die aanpak maakt het mogelijk om de technologie stap voor stap te verbeteren én het vertrouwen van professionals te versterken. Want pas als mensen begrijpen wat AI doet, hoe het tot een resultaat komt en waar de grenzen liggen, durven ze er echt op te vertrouwen.

Daarom werken we vanuit het principe van “human-in-the-loop” of eigenlijk "human-at-the-center". De AI ondersteunt, maar de professional houdt altijd de regie. Dat zorgt voor betere kwaliteit én meer draagvlak.

Er zijn veel ideeën over het toepassen van AI in de zorg, maar in de praktijk blijkt dit vaak complexer. Hoe ervaar jij dit?

Dat herken ik. In de zorg is er veel energie en creativiteit om met AI aan de slag te gaan, maar de praktijk is vaak weerbarstiger dan men denkt.

Ik zie dat de aandacht, begrijpelijkerwijs, vaak uitgaat naar het AI-deel, de technologie zelf, terwijl het minstens zo belangrijk is om eerst scherp te krijgen welk concreet probleem je wilt oplossen en de context waarin dat plaatsvindt. AI kan veel, maar het is niet altijd de beste of meest geschikte oplossing. Soms kun je met een kleine procesaanpassing, betere registratie of eenvoudige automatisering al enorme stappen zetten.

Daarom begint verantwoord innoveren niet met technologie, maar met een scherpe probleemanalyse. Je moet weten wat je wilt verbeteren, waarom, en of AI daar daadwerkelijk de juiste aanpak voor is. Deze analyse moet niet alleen plaatsvinden vanachter je bureau, maar ga hiervoor vooral de praktijk in, ga meelopen en observeren wat je ziet, vraag als het even kan goed door waarom bepaalde dingen zijn zoals ze zijn, test je aannames, houdt interviews. Zo wordt ook duidelijk welke randvoorwaarden nodig zijn om eventuele technologische ondersteuning veilig en effectief toe te passen, van datakwaliteit en eenduidigheid tot samenwerking, heldere verantwoordelijkheden en aansluiting op het dagelijks werk.

Bij Medscio zien we dat de sleutel tot opschaling ligt in een grondige, praktijkgedreven, voorbereiding: eerst het probleem, de mogelijke oplossingen en de randvoorwaarden daarvoor echt goed begrijpen en dan de basis op orde brengen. Wanneer je dat doet, verloopt de implementatie niet alleen een stuk soepeler, maar wordt de technologie ook echt gebruikt in de praktijk. Zo voorkom je dat er “AI-oplossing zoekt probleem” ontstaat.

Er worden overigens veel rapporten geschreven over hoe je AI zou moeten opschalen, die op papier overtuigend klinken, maar in de dagelijkse zorg moeilijk toepasbaar blijken. Dat komt niet alleen door de zorgpraktijk. Er zijn ook veel AI-projecten die in een ideale, gecontroleerde omgeving worden ontwikkeld en getest, maar vervolgens niet passen bij de realiteit van de werkvloer, met al haar variatie, tijdsdruk en uitzonderingen. Juist daarom is het belangrijk om innovaties vanaf het begin in de praktijk te verankeren, samen met de professionals die ze gaan gebruiken.

Mijn advies is dus: snel de praktijk in. Begin klein, betrek de mensen die het verschil maken, leer van de dagelijkse praktijk en verbeter stap voor stap. Dat is precies de aanpak die we bij Medscio hanteren: bouwen, testen, leren en bijstellen.

Zie je dat de acceptatie van AI in de zorg toeneemt? Werkt het eerder belemmerend of juist stimulerend?

De acceptatie van AI in de zorg groeit duidelijk, en dat is positief. Steeds meer zorgprofessionals en organisaties zijn nieuwsgierig naar de mogelijkheden en willen zelf ervaren wat AI kan betekenen in hun werk. Die open houding is essentieel, want echte vooruitgang begint met nieuwsgierigheid en de bereidheid om te leren.

Tegelijk is er ook een gezonde terughoudendheid, en die is terecht. Professionals willen weten wat een algoritme precies doet, hoe het tot zijn conclusies komt en hoe betrouwbaar en reproduceerbaar die zijn. Dat is geen belemmering, maar juist een teken van volwassenheid. Het laat zien dat de zorg AI niet blind omarmt, maar bewust en kritisch beoordeelt op inhoud en toepasbaarheid.

De grote 'AI belofte' en daarmee gepaard gaande hoge verwachtingen werken soms namelijk ook averechts. Het wordt soms voorgesteld als dé oplossing voor alle knelpunten in de zorg; 'kan AI dit niet gewoon oplossen'. Daardoor ontstaat het risico van óf afwachten totdat de technologie de problemen gaat oplossen, óf te snelle implementatie, zonder dat de randvoorwaarden op orde zijn. Die hoge verwachtingen zorgen ervoor dat we de aandacht dreigen te verliezen voor wat er eerst moet gebeuren: zorgen dat de basis voor betrouwbare en verantwoorde AI klopt.

Ik geloof eigenlijk ook niet echt in allesomvattende AI-oplossingen. Grote, generieke modellen werken overal een beetje, maar nergens echt goed. De zorg vraagt om precisie en daarmee om kleinere, gerichte toepassingen die een taak écht goed uitvoeren en goed aansluiten op het dagelijkse werkproces. Zulke oplossingen blijken in de praktijk niet alleen effectiever, maar ook beter geaccepteerd, omdat ze voortbouwen op bestaande routines in plaats van die te verstoren. Dat maakt ze duurzaam inzetbaar.

Dat geldt wat mij betreft ook voor de large language models die nu veel aandacht krijgen. Hun potentie is groot, maar ze vragen om gerichte toepassing, duidelijke grenzen en controleerbare uitkomsten. Alleen dan kunnen ze op een verantwoorde manier waarde toevoegen aan de zorgpraktijk.

Uiteindelijk draait het om één ding: AI duurzaam inbedden in de zorg, niet als wondermiddel, maar als betrouwbaar hulpmiddel dat zorgprofessionals ondersteunt én patiënten ten goede komt, door samen te werken aan de best mogelijke zorg.

Tot slot: wat vind jij van het thema ‘Impact met AI: verantwoord opschalen’, en heb je een boodschap voor de nieuwe Zorgambassadeurs?

Ik vind het thema ‘Impact met AI: verantwoord opschalen’ heel goed gekozen. Het raakt precies de fase waarin de zorg zich nu bevindt: de technologie is er, maar de echte uitdaging is hoe we die op een verantwoorde manier inbedden in de praktijk.

Het vraagt om samenwerking tussen zorgprofessionals, technici en bestuurders, én om realisme: weten wat mogelijk is, wat nog niet, en hoe elke stap uiteindelijk verschil maakt voor de patiënt.

Ik hoop dat de Zorgambassadeurs dit jaar vooral de verbinding zoeken tussen innovatie en de zorginhoud en -praktijk. Als we die werelden beter laten samenwerken, kan AI echt van betekenis worden, niet als belofte voor de toekomst, maar als hulpmiddel dat vandaag al verschil maakt.