Artikel

Dweilen met de kraan open

Goede AI in de zorg begint bij de bron. Want AI op rommelige data levert rommelige uitkomsten. Gegarandeerd.

AI in de zorgDatastrategieFHIR & openEHRPrivacy by designEHDS
Dweilen met de kraan open: goede AI in de zorg begint bij de bron

Uitdaging

  • Een behandelaar typt dezelfde informatie soms drie keer over.
  • De gegevens van één cliënt zitten verspreid over het EPD, Outlook, Karify, Minddistrict en een handvol losse bestanden.
  • Niets praat met elkaar, en dus gaat tijd die naar de cliënt had gemoeten op aan administratie.

Wat er dan misgaat

  • AI op rommelige data levert rommelige uitkomsten. Gegarandeerd.
  • Zonder één bron van waarheid blijf je eindeloos achteraf corrigeren.
  • Migreer je eerst alles zonder use-case, dan verdampt het draagvlak voordat er iets zichtbaar wordt.

Resultaat

€1,5-2 mlnorde van grootte per jaar bij circa 250 behandelaren, alleen al voor het automatisch registreren van asynchrone zorg
3 fasenbewijs de waarde, breid uit, schaal en borg

Oplossing

  1. 01Kies één systeem dat leidend is. In de zorg is dat meestal het EPD.
  2. 02Schrijf alles wat elders ontstaat zo snel mogelijk terug naar die ene bron, in het juiste formaat.
  3. 03Sla ruwe en gestandaardiseerde data gescheiden op, in twee lagen.
  4. 04Begin met één use-case met keiharde waarde en schaal van daaruit op.

Iedereen wil "iets met AI". Bijna niemand praat over data

Elke week spreek ik bestuurders, ICT'ers en behandelaren in de zorg. Iedereen wil "iets met AI". Bijna niemand praat over het enige dat bepaalt of die AI ooit gaat werken: data.

Daar wil ik het vandaag over hebben. In gewone taal, geen jargon en geen hype.

Het echte probleem is niet te weinig data. Het is te veel data, op te veel plekken

Een behandelaar typt dezelfde informatie soms drie keer over. Eén keer in het EPD, één keer in een mail, één keer in een ander systeem. De gegevens van één cliënt zitten verspreid over het EPD, Outlook, Karify, Minddistrict en een handvol losse bestanden.

Niets praat met elkaar. En dus gaat kostbare tijd, tijd die naar de cliënt had gemoeten, op aan administratie en overtypen.

Voordat je ook maar nádenkt over AI, moet je dit oplossen. Want AI op rommelige data levert rommelige uitkomsten. Gegarandeerd.

De eerste wet van datawerk: één bron van waarheid

Kies één systeem dat leidend is. In de zorg is dat meestal het EPD. Alles wat ergens anders ontstaat, een mail, een berichtje, een formulier, schrijf je zo snel mogelijk terug naar die ene bron, in precies het juiste formaat.

Doe je dat niet, dan is het dweilen met de kraan open. Je blijft eindeloos achteraf corrigeren, omdat de bron nooit klopt.

Het klinkt simpel. Het is het fundament waar bijna alles op staat.

Twee woorden die je vaker gaat horen: FHIR en openEHR

Geen paniek, ik hou het kort.

FHIR is de taal waarin zorgsystemen met elkaar praten. Het regelt de uitwisseling: systeem A vraagt een medicatieoverzicht, systeem B levert het, snel, gestandaardiseerd en in real time.

openEHR gaat over hoe je data opslaat zodat die over twintig jaar nog betekenis heeft, ongeacht welke software je dan gebruikt. Het maakt je dossier toekomstbestendig en losgekoppeld van één leverancier.

Het is geen of/of. Het is én/én: FHIR voor het verkeer, openEHR voor de duurzame opslag.

Waarom dit jou als zorgprofessional aangaat? Één zin: zo blijft jouw data van jou, niet van je softwareleverancier.

Een geheim uit een hele andere wereld

Voordat ik in de zorg werkte, leidde ik datatransformaties in de productindustrie, bij Unilever, over 21 programma's en 190 landen. Die sector is op datagebied jaren verder dan de zorg. En de belangrijkste les is verrassend eenvoudig: werk met twee lagen.

De twee datalagen

  • Laag 1, "As Is": alle data uit elk systeem, opgeslagen precies zoals die binnenkomt. Rauw en ongefilterd.
  • Laag 2, "Core": diezelfde data, opgeschoond en omgezet naar erkende standaarden zoals FHIR en openEHR, klaar voor analyse en AI.

Ruwe data en schone data strikt gescheiden. Niets gaat verloren, en je kunt altijd terug naar de bron. De zorg kan deze aanpak vandaag overnemen.

En de AI dan? Begin níet met "de oceaan koken"

Hier gaat het meestal mis. Een organisatie besluit éérst alle data te migreren en te standaardiseren, een traject van een jaar of langer. Onder de motorkap gebeurt van alles, maar niemand ziet resultaat. Het draagvlak verdampt en het project sterft een stille dood.

Doe het omgekeerd. Begin met één use-case met keiharde waarde.

Een concreet voorbeeld dat we al gebouwd hebben: het automatisch registreren van asynchrone zorg, denk aan mailcontact en digitale interacties met cliënten. Minder administratie, betere registratie en minder gemiste declarabele activiteiten.

De business case? Voor een organisatie met zo'n 250 behandelaren loopt dat al snel op tot een waarde in de orde van 1,5 tot 2 miljoen euro per jaar. En het vraagt maar een paar tabellen uit het EPD. Klein project, groot resultaat.

Zodra mensen die waarde zíen, ontstaat vertrouwen. En vanuit vertrouwen schaal je op, use-case voor use-case. Niet andersom.

Privacy is geen rem. Het is een ontwerpkeuze

"Maar de AVG dan?" Terecht. Het antwoord is: bouw privacy vanaf het begin in.

Werk met pseudonimisering en anonimisering, sluit het risico op heridentificatie zoveel mogelijk uit, en host AI-modellen intern, binnen je eigen omgeving, zodat gevoelige data je organisatie niet verlaat. Dán kun je data verantwoord hergebruiken, bijvoorbeeld voor breder Europees onderzoek in het kader van de European Health Data Space (EHDS).

Goede privacy en goede AI zijn geen tegenpolen. Ze komen uit dezelfde, doordachte architectuur.

Het stappenplan, in drie fasen

  1. Fase 1, bewijs de waarde. Begin met één concrete use-case die zichzelf terugverdient, zoals het automatisch registreren van asynchrone zorg. Klein, snel en zichtbaar resultaat. Zo bouw je vertrouwen en draagvlak.
  2. Fase 2, breid uit. Voeg use-case voor use-case toe: deels herbruikbare oplossingen, deels op maat. Het platform groeit organisch mee met de waarde die het oplevert.
  3. Fase 3, schaal en borg. Standaardiseer op schaal (FHIR, openEHR), regel privacy en governance goed, en maak je architectuur klaar voor de toekomst. Denk aan veilige gegevensuitwisseling onder de European Health Data Space (EHDS).

De kern, in vier zinnen

  1. AI in de zorg faalt zelden door de AI. Het faalt door data die niet op orde is.
  2. Kies één bron van waarheid en regel het bij de bron, anders dweil je met de kraan open.
  3. Bouw op open standaarden, zodat je data van jou blijft.
  4. Begin klein, lever zichtbare waarde en schaal van daaruit op.

Dit is uiteindelijk geen technologieverhaal. Het is een zorgverhaal: minder tijd aan administratie, meer tijd voor de cliënt.

Werk jij in de zorg en herken je dit? Ik denk graag mee. Stuur me een bericht, ik deel onze aanpak met alle liefde.

De use-case waarmee we beginnen

Het automatisch registreren van asynchrone zorg. Minder administratie, betere registratie en minder gemiste declarabele activiteiten.

Bekijk de video · Automatische e-mailregistratie

Veelgestelde vragen

De vragen die dit artikel het vaakst oproept.

Waarom faalt AI in de zorg zo vaak?

Zelden door de AI zelf. Het faalt door data die niet op orde is. De gegevens van één cliënt zitten verspreid over het EPD, Outlook, Karify, Minddistrict en losse bestanden, en die systemen praten niet met elkaar. AI op rommelige data levert rommelige uitkomsten.

Wat betekent "één bron van waarheid" in de zorg?

Dat je één systeem aanwijst dat leidend is, in de zorg meestal het EPD. Alles wat ergens anders ontstaat, zoals een mail, een berichtje of een formulier, schrijf je zo snel mogelijk terug naar die ene bron in precies het juiste formaat. Doe je dat niet, dan blijf je eindeloos achteraf corrigeren.

Wat is het verschil tussen FHIR en openEHR?

FHIR is de taal waarin zorgsystemen met elkaar praten en regelt de uitwisseling tussen systemen, snel en in real time. openEHR gaat over hoe je data opslaat zodat die over twintig jaar nog betekenis heeft, ongeacht welke software je dan gebruikt. Het is geen of/of maar én/én: FHIR voor het verkeer, openEHR voor de duurzame opslag.

Wat zijn de twee datalagen "As Is" en "Core"?

Laag 1 "As Is" bevat alle data uit elk systeem, opgeslagen precies zoals die binnenkomt, rauw en ongefilterd. Laag 2 "Core" bevat diezelfde data, opgeschoond en omgezet naar erkende standaarden zoals FHIR en openEHR, klaar voor analyse en AI. Ruwe en schone data blijven strikt gescheiden, zodat er niets verloren gaat en je altijd terug kunt naar de bron.

Waar moet een zorgorganisatie beginnen met AI?

Niet met het migreren van alle data. Begin met één use-case met keiharde waarde. Het automatisch registreren van asynchrone zorg, zoals mailcontact met cliënten, vraagt maar een paar tabellen uit het EPD en loopt bij circa 250 behandelaren al snel op tot een waarde in de orde van 1,5 tot 2 miljoen euro per jaar.

Hoe verhoudt dit zich tot de AVG?

Privacy is geen rem maar een ontwerpkeuze. Werk met pseudonimisering en anonimisering, sluit het risico op heridentificatie zoveel mogelijk uit en host AI-modellen intern, binnen je eigen omgeving, zodat gevoelige data de organisatie niet verlaat. Zo kun je data later verantwoord hergebruiken, bijvoorbeeld voor onderzoek onder de European Health Data Space.

Volgende stap

Werk jij in de zorg en herken je dit?

Ik denk graag mee over waar jouw data nu lekt en welke use-case zich het snelst terugverdient. Een eerste gesprek is kosteloos.