Wat leer je in deze aflevering?
Bart Scheerder, AI-strateeg bij het UMCG en kwartiermaker voor de Nederlandse AI-fabriek, ziet ziekenhuizen keer op keer beginnen bij de verkeerde vraag. Ze kiezen eerst een tool en zoeken daarna een probleem, terwijl een interne arts nu al 40% van zijn tijd kwijt is aan administratie en maar 20% aan patiëntencontact. Scheerder laat zien hoe het UMCG dit omdraait: eerst het proces in kaart brengen, dan pas kijken of Artificial Intelligence iets oplost.
Bij het Karolinska Instituut in Stockholm ontdekten ze zo dat 900 operatiekaartjes maar één keer waren gebruikt, nog voordat er één algoritme was gebouwd. Morgen kun je bij je eigen AI-plan eerst de vraag stellen welk terugkerend probleem je wilt oplossen, en of je daar al betrouwbare data over hebt.
Kernbegrippen
- Generatieve AI in de zorg
- Kunstmatige intelligentie die teksten genereert voor automatisering van administratieve taken zoals medische rapportage.
- Administratieve last
- Tijd die artsen besteden aan documentatie en dossierwerk in plaats van directe patiëntenzorg.
- Probleem-gedreven AI-implementatie
- Aanpak waarin organisaties eerst pijnpunten identificeren voordat AI-oplossingen worden gezocht.
- AI-governance
- Structuur waarin AI als onderdeel van bedrijfsstrategie onder directe verantwoordelijkheid van bestuur valt in plaats van IT-afdeling.
- Procesherziening
- Fundamentele aanpassingen van werkprocessen naar mogelijkheden van nieuwe technologie in plaats van louter ondersteuning ervan.
Wat gasten zeiden
Dan spendeer je gemiddeld 40% van je tijd aan administratieve verhandelingen... En dan het meest schokkende getal daarvan is, hoeveel procent verwachten jullie nou dat zo'n internist spendeert aan patiëntentijd... 20 procent.
Confronterend cijfer over hoe scheef de zorgtijd is verdeeld.Als we echt geloven dat AI een transformatief technologie kan zijn voor onze organisatie, dan hebben we niet een AI-strategie nodig. Dan hebben we een strategie met AI nodig.
Kernachtige herformulering die de hele denkwijze over AI — implementatie omdraait.Wat kun je morgen doen?
- 1 Richt een probleem-loket in waar medewerkers eerst hun uitdaging beschrijven voordat een AI-oplossing wordt gezocht, voorkomt losse pilotprojecten
- 2 Analyseer eerst bestaande data en processen voordat je AI toepast, zoals de operatiekaartjes-case liet zien
- 3 Kijk buiten je eigen sector voor vergelijkbare AI-vraagstukken rond regelgeving en implementatie
Interview: Bart Scheerder
Waarom heeft het UMCG er zo vroeg voor gekozen om met generatieve AI aan de slag te gaan?
Het verhaal begint eigenlijk ongeveer tien jaar geleden. We hadden destijds een decaan die al herkende dat de rol van data science, wat we tegenwoordig vaak gewoon AI noemen, steeds belangrijker zou worden. Er zijn toen een aantal organisatie-onderdelen voor opgericht. Door de jaren heen werden we daardoor steeds meer op corporate niveau bedreven om met data science te gaan werken. In 2016 ben ik zelf in deze materie gaan verdiepen. Dat was de tijd van blockchain, die volgens velen de zorg zou transformeren. Ik dook in die technologie om te snappen wat het nou eigenlijk deed en hoe het de zorg zou kunnen transformeren. Ik kwam er niet achter. De goeroes wisten het kennelijk, maar ik vond het echt niet te verzinnen. Toen blockchain een beetje over zijn hypecycle heen was, kwam in juli 2019 de investering van Microsoft: één miljard dollar in een bedrijf, OpenAI, waar we nog nooit van gehoord hadden. Dat was eigenlijk het moment waarop we dachten: wat gebeurt er daar dan? Microsoft zijn toch wel knappe koppen die daarover nadenken, en een miljard is niet zomaar een investering. Toen hebben we eigenlijk voor het eerst die verkenning gestart: wat is dat nou waar ze mee bezig zijn? Wat voor kracht zit daarachter, dat zo'n investering gedaan wordt en wat betekent dat voor ons? Dat is eigenlijk het startpunt geweest. In 2020 werd er wat afleiding gecreëerd door de hele COVID-pandemie. We hadden toch echt wel mensenlevens voorop. Dus dat heeft ons toen wat tijd gekost. Maar in 2022 zijn we daar weer volop mee doorgegaan. En toen in november 2022 ChatGPT gelanceerd werd, was dat voor ons wel het signaal van: nu moeten we ook door als we hiermee echt aan de slag willen. En ook als we daar als pioniers mee aan de slag willen, echt laten zien wat je ermee kan. Dan was dat het moment om te investeren.
Wat was jullie beeld van deze technologie in 2019, en wat veranderde er na COVID?
Het beeld van 2019 was eigenlijk best nog wel diffuus. Ik denk dat je heel veel mensen zich vandaag de dag nog steeds afvragen, bijvoorbeeld, wat kan je nou met een taalmodel. Hoe verandert een taalmodel de wereld? Het is eigenlijk een heel wonderlijk vraagstuk en dat snap ik heel erg. In 2019 keek je ook nog meer langs die as naar generatieve AI, en dat gaat steeds rijker worden. Langzamerhand ga je nadenken over wat dat stukje niet-deterministische AI doet. Dus niet dingen die je van tevoren eigenlijk kunt voorspellen, maar juist het onvoorspelbare. Wat kun je daarmee? Dan opent dat eigenlijk een hele train of thought. Bijvoorbeeld, dan hoef je niet meer alles voor te kauwen. Je kunt ook in scenario's gaan werken of simulaties gaan doen. Synthetische datageneratie en dat soort zaken worden allemaal veel bereikbaarder. Dan gaan we dus niet meer van deterministisch machine learning of deep learning werken, extrapoleren van resultaten, maar echt gewoon veel meer in scenario's werken.
Wat is er op dit moment al in productie qua AI-toepassingen in het UMCG?
Ik denk dat het zorgbreed grootste wat nu draait zich veel meer richt op spraakgestuurd rapporteren. Dus dat is de transcriptie en dan vervolgens met bijvoorbeeld een taalmodel uit die transcriptie betekenis halen. Dat wordt heel breed toegepast. Maar tegelijkertijd wordt dat nog niet echt veel gepilot en geïmplementeerd. Het echte opschalen, dat ontbreekt vaak nog. Dat heeft ook te maken met het feit dat de tools die er nu zijn allemaal niet als medisch hulpmiddel gecertificeerd zijn. Voor ons in de sector is dat wel heel belangrijk. Want dan weten we ook niet precies wat we met de output kunnen en in welke mate we daar vervolgautomatisering op kunnen gaan toepassen. Dat zijn wel ontwikkelingen waar een aantal bedrijven zich op aan het ontwikkelen zijn. Het doel is dat als er bijvoorbeeld naar aanleiding van een patiënt-doktersgesprek wordt gezegd: we gaan dit en dit medicament voorschrijven, dat dat niet meer handmatig getypt moet worden in het systeem. Maar ook dat er dan de vervolgordering gaat gebeuren. Dus dat er vanzelf een berichtje naar de apotheek gaat, dat bij de apotheek vanzelf een signaal komt van: leg dat doosje met pillen bij wijze van spreken klaar. Of als er wordt gezegd dat je nog even met de cardioloog contact moet hebben, dat er dan ook gewoon een afspraak gepland wordt. Mind je, dat kost onze collega's echt knoeperig veel tijd.
Hoeveel tijd besteden artsen eigenlijk aan administratie versus patiëntencontact?
Daar zijn getallen over waar je van schrikt. Als je internist bent in Nederland, van de interne geneeskunde, dan spendeer je gemiddeld veertig procent van je tijd aan administratieve verhandelingen. Dus dat is veertig procent, en dat is niet alleen typen, maar dat is ook een hele hoop klikken, dat is ook een hele hoop bellen, maar niet bellen omdat je je medische expertise in moet zetten, maar omdat je moet bellen dat die en die klaar moet staan voor dat of dat. Dat is natuurlijk van de zotte dat het zoveel tijd kost. Het meest schokkende getal daarvan is hoeveel procent zo'n internist spendeert aan patiëntentijd: slechts twintig procent. Dus ze zijn twee keer zoveel tijd met administratie bezig als met direct patiëntencontact. De overige tijd wordt gespendeerd aan zaken als opleiden of andere activiteiten. Dat is helemaal scheef. Dat roept om automatisering, dat roept om AI-introducties. Daar zijn we dus wel mee bezig, maar het gaat niet hard genoeg.
Waarom gaat de implementatie van AI in de zorg niet hard genoeg?
Spraakgestuurd rapporteren is echt een poorttechnologie, een startpunt van een hele hoop automatiseringskansen die je kunt creëren. Maar dan moeten we er wel op kunnen bouwen. En op dit moment is dat dus onvoldoende zo. Dus die automatiseringslagen gebeuren niet. Je hebt ook nog eens een keer te maken met interoperabiliteitsvraagstukken: hoe kunnen wij communiceren met andere zorgorganisaties bijvoorbeeld. Voor veel mensen is het een beetje een wonder dat je denkt aan de zorg als een soort van generiek samenhangend gebeuren. Maar in Nederland zijn er meer dan vijftigduizend verschillende zorgorganisaties. Dat zijn natuurlijk niet allemaal ziekenhuizen, er zijn minder dan honderd ziekenhuizen, maar er zijn heel veel zorgorganisaties. Dat zijn eigenlijk allemaal autonome organisaties die hun eigen IT hebben ingericht, hun eigen inkoop hebben gedaan, hun eigen keuzes daarin hebben gemaakt. Die patiënt wandelt daar doorheen. Die komt eerst bij zijn huisarts, die gaat daarna door naar bijvoorbeeld het gewone ziekenhuis. En als het niet goed is, dan gaat hij door naar het UMCG en dan misschien weer terug en dan naar de revalidatie en dan naar de thuiszorg. Al die organisaties zijn dus niet om die patiënt heen gebouwd, die zijn allemaal zelfstandig. Dus dat is natuurlijk een heel lastig fenomeen om daar automatisering op door te voeren.
Wat heeft jullie vroege start met generatieve AI jullie opgeleverd?
Ten eerste ben je daardoor veel meer in beeld voor allerlei partijen die willen innoveren. Ik denk dat dat soms een lust, soms een last is. Sommige partijen zijn echt heel interessant, die hebben hele goede en solide ideeën, helemaal als ze ook een achtergrond hebben in de sector of in ieder geval begrip hebben over onze omgeving. Er zijn natuurlijk ook een hoop, zeker in de tijd dat ChatGPT echt aan het opschalen was, waarbij iedereen die er een wrapper omheen kon gooien en dan weer een toepassing had verzonnen, die kwam daar weer. Nou ja, jullie zullen het herkennen, dat kost te veel tijd. Maar het opende dus wel de deur om met veel interessante partners samen te werken. Ook heeft het ons in staat gesteld om eigenlijk meer een regisserende rol te vervullen, als het gaat over onze regio bijvoorbeeld. Omdat wij een goede reputatie hebben als het gaat over het toepassen van generatieve AI, komen veel van onze regionale organisaties en zorgbestuurders bij ons om te vragen: wij willen aan de slag met AI en het staat bij ons nog in de kinderschoenen, wat kunnen we doen? Dan helpt het natuurlijk dat je die vraag gesteld krijgt en ook met elkaar dan dat traject kunnen starten.
Wat is je antwoord als organisaties bij jullie komen met de vraag wat ze met AI kunnen doen?
Dat is een aantal antwoorden daarop. Het belangrijke is natuurlijk: als het wiel uitgevonden is, please don't reinvent. Dat is één heel generieke, maar wel absoluut waar. Het helpt dat wij dus veel benaderd worden, dat we ook vaak heel goed weten wat waar speelt. Dus je hebt dan toch een beetje een regisserende rol. Een tweede, wat ik echt standaard zeg: begin bij het probleem, begin bij de uitdaging. Wij hebben bij het UMCG ook gezegd dat je dat niet als bestuur moet gaan bedenken wat het probleem is. Jij weet dat niet, dat weet de werkvloer. De werkvloer moet je dus in staat stellen om te articuleren wat gaat er hier niet goed, waar loop je tegenaan. En liefst op een manier dat het net wel een beetje werk kost om dat probleem aan te dragen. Want als het te makkelijk is, dan krijg je alle problemen over de schutting en dan veel plezier ermee. Dus ze moeten wel de tijd willen nemen om te articuleren wat er precies de uitdaging is en meedenken over de oplossing. Als je dat doet, dan ga je met de relevante dingen aan de slag.
Hoe zorg je ervoor dat mensen het probleem aanleveren en niet direct de oplossing?
We hebben een innovatiepijn die begint met het startpunt: echt die uitdaging, het probleem. Je kunt via het AI-loket dat aanvragen, en daar kun je dus niet invullen "ik wil graag", maar "dit zit mij dwars" of "dit is mijn probleem". Daar begint het al mee. Hetzelfde geldt ook als al die bedrijven die ons benaderen bij ons komen. Dan willen ze met mij praten over samenwerken met UMCG, maar ik ben niet de probleemeigenaar. Dus dan kun je wel met je oplossing bij mij komen, maar dan moet je mij ook helpen door te koppelen met mijn collega die dat probleem heeft. En als die er niet is, als die collega mij niet bevraagd, dan ga ik natuurlijk niet rennen. Dan draaien we de tafels een beetje om.
Kun je een voorbeeld geven van hoe je moet beginnen bij het probleem in plaats van bij de AI-oplossing?
Het is een leuk voorbeeld om mee te geven. Dat was een hele mooie presentatie die ik recent had bij het Karolinska in Stockholm. Daar hebben ze een chief AI officer, hele leuke man, heel down to earth, geen AI-nerd, geen dokter. Gewoon iemand die er echt mee aan de slag is gegaan. Die gaf het voorbeeld dat zij wilde aan de slag met het AI gebruiken voor efficiëntere operatietijdplanning. Dus een operatiekamer is natuurlijk best wel een resource die heel kostbaar is en schaars. De mensen die daar werken zijn ook schaars. Dus als ze nou met elkaar zorgen dat we AI gebruiken om zo efficiënt mogelijk daarmee te gaan werken, dan verwachten zij heel veel rendement. Dat was het project. Wat ze gedaan hebben als startpunt is kijken hoe het proces loopt. Lijkt mij een heel goed startpunt. Nou, wat bleek? Ze werken met een soort van operatiekaartjes, dat waren niet fysieke kaartjes maar digitale kaartjes, waarop staat: bij deze ingreep, bijvoorbeeld amandelen verwijderen, heb je deze medisch specialist nodig, deze operatieassistent, heb je minstens dit soort apparatuur nodig, en dat duurt ongeveer zo lang. En als ze klaar zijn, dan moeten ze daar en daar terecht kunnen. Nou, op basis daarvan kun je gaan plannen. Vervolgens gingen ze kijken: hebben we de verschillende kaartjes. Ze hadden iets van vierduizend, geloof ik. Maar dan bleek dat er negenhonderd daarvan waren die nog ooit maar één keer gebruikt waren. Dus daar begon het eigenlijk al. Dan heb je dus een hele standaardisatie te doen om wat om eenmalige gebruik te voorkomen. De volgende stap was dat ze gingen kijken naar het aantal minuten dat een operatie gepland was, en het aantal minuten dat die ook geduurd had. Als je je probeert in te beelden dat je een x-as hebt en een y-as, de x-as zijn het aantal geplande minuten en de y-as gerealiseerde minuten, dan zou de logische lijn een diagonale lijn zijn, waarin je precies ziet: het was voor honderdtachtig minuten gepland en het duurde honderdtachtig minuten. Wat die data nou vervolgens lieten zien, dat waren twee horizontale strepen in plaats van een diagonale. Wat betekent dat? Alle operaties werden ze ongeveer standaard gepland op tweehonderdtachtig minuten, met uitzondering van een aantal die zaten op driehonderdtwintig. En dat was het zo ongeveer qua variatie. En dat klopt natuurlijk voor geen meter. Dus de daadwerkelijke tijd die was veel diverser, dus dan krijg je die horizontale strepen. Ze begonnen met een AI-project, ze wilden AI gaan gebruiken om efficiëntere planning te doen. Maar eigenlijk gewoon door het proces in kaart te brengen en te kijken naar de data, leren ze al ontzettend veel. En maakten ze al hele grote stappen. Over die operatiekaarten: die moeten we gewoon aan gaan passen. We hoeven geen AI te gebruiken, we moeten gewoon kijken wat die data ons zegt.
Wat is de basis die nodig is voordat je met AI aan de slag kunt gaan?
Dat is ook wel wat wij echt geleerd hebben door de tijd heen. AI-projecten, dat begint echt, dat bouw je op naar die AI toe. Het begint heel erg met: welk proces, welk probleem, maar ook welk proces. En als dat proces matig loopt, bijvoorbeeld ongestructureerd of ongeorganiseerd, dan moet je AI niet gaan toepassen op dat proces. Want dan heb je een AI-ondersteund chaotisch proces. Dan moet je gaan kijken: we moeten met elkaar in gesprek over hoe werken we nou eigenlijk met elkaar. Als je dat met elkaar goed afgestemd hebt, of dat is aan het begin al zo, dan ga je kijken: hebben wij data die dat proces weergeeft, kunnen wij het proces met data monitoren, ja of nee. En er zijn best veel processen waar dat helemaal niet lukt. Dan kun je wel met AI aan de slag willen, maar hoe weet je dan wat er verbeterd wordt? En hoe bewijs je succes? Iedereen op een gegeven moment zegt wel: het werkt zo fijn met die AI. Maar het kost ook allemaal geld, dus we moeten dat wel kunnen bewijzen dat het impact heeft. Dus als die data er niet is, dan moet je ook eerst daarmee aan de slag gaan. En pas als je heldere data hebt, dat je KPI's kunt maken, dat je inzichten kunt geven, dan kun je echt met AI aan de slag.
Heb je ooit moeten vechten binnen de organisatie om niet met AI aan de slag te gaan omdat de basis er niet was?
Of ik daar een concreet voorbeeld van heb? Kijk, wat wij in het begin hebben gemerkt: in november 2022 kwam ChatGPT live, in november 2023 hadden wij de eerste toepassing met ChatGPT in het UMCG draaien. Dat was samen met het ETZ in Tilburg, we waren de eerste in Europa. We hebben dat gedaan samen met onze EPD-leverancier, het bedrijf Epic. Die heeft heel veel geïnvesteerd in die toepassing. Die eerste toepassing was eigenlijk nog niet super goed. Dat was een manier dat als een patiënt een vraag stelt via mijn UMCG-portaal, dat komt dan bij de behandelaar in een soort inbox, en dan kon er een conceptantwoord klaargezet worden. Maar in het begin was ChatGPT natuurlijk lang zo goed niet als het vandaag de dag is. Dus die antwoorden zaten natuurlijk veel meer hallucinaties in. En ook wat dan de belofte was: het wordt allemaal veel empathischer. Vervolgens wat je dan krijgt is: die patiënt die al tien jaar bij dezelfde behandelaar zit, stelt een vraag, krijgt een antwoord waarvan die leest: die dokter heeft helemaal geen tijd genomen voor mij, die heeft gewoon een ChatGPT-antwoord gegeven. Dat voelt natuurlijk zo van: hij of zij heeft geen tijd meer voor me. Dat zijn wel functionaliteiten waar je je echt moet afvragen: moeten we dit blijven doen, hoeveel beter moet het eigenlijk gaan worden om het te blijven doen. Dat soort vragen moet je je wel gaan stellen. Dan is het ook wel weer een implementatievraagstuk. Want voordat je met al die collega's zulke soort tools aan de man hebt, ben je wel even bezig. En als je ze dan uit wil zetten, dan ben je ook wel weer even bezig om dat uit te leggen. Een aantal mensen is natuurlijk heel enthousiast en die zeggen: wat heb je mij nou weer geflikt, ben ik het gaan gebruiken, en nou moet ik al die tijd erin stoppen. Dus dat is wel eens een balancing act van nieuwe kansen versus het moet beter.
Waarom kozen jullie voor een strategie met AI in plaats van een aparte AI-strategie?
In november 2024 werd ik door de Raad van Bestuur gevraagd om een AI-strategie voor het UMCG te ontwikkelen. Dat vond ik een hele mooie uitdaging. En dan ben ik mee aan de slag gegaan. Maar wat merkte je eigenlijk al vrij snel: als wij echt geloven dat AI een transformatieve technologie kan zijn voor onze organisatie, dan hebben we niet een AI-strategie nodig. Dan hebben we een strategie met AI nodig. Die kleine nuance zegt heel veel. Dus wat we toen gedaan hebben in 2025 is de corporate strategie helemaal herzien. En daar hebben we AI echt als een gamechanger neergezet. We hebben een aantal gamechangers met elkaar gedefinieerd, bijvoorbeeld ook dat je de regie bij de werkvloer moet geven. En hoe doe je dat als organisatie, want dat is natuurlijk heel complex. Maar AI is ook als zo'n gamechanger gedefinieerd. Ik denk dat het belangrijk is: als je AI alleen maar onderbrengt als een IT-hulpmiddel, dan mis je eigenlijk de samenhang. En dan wordt het nooit transformatief, dan wordt het op zijn best ondersteunend. Ik denk dat we nu, laat ik zeggen het komend jaar, twee jaar, nog heel veel AI gaan toepassen die vooral ondersteunend is. Dus ik noemde er straks spraakgestuurd rapporteren: dan leg je gewoon iets vast wat gezegd is, wat je eigenlijk al deed, alleen met technologie ondersteund. Dus je hoeft iets minder te typen, iets minder te klikken. Maar je redesigned het hele proces niet.
Wat zijn voorbeelden van hoe AI de zorg echt kan transformeren in plaats van alleen ondersteunen?
Als je nou nadenkt over: als agenten met een patiënt kunnen praten, de reactie kunnen opnemen, kunnen we dan misschien met elkaar zorgen dat er een soort van triagering vooraf gaat gebeuren. Voordat een patiënt bij de dokter komt of bij de verpleegkundige komt, dat er dan al een gesprek is geweest, maar natuurlijk niet over de essentie, maar juist over de overige dingen waar je eigenlijk helemaal die dokter-patiëntrelatie niet voor nodig hebt. Het uitvragen van bepaalde informatie van tevoren. We hadden het over pillen: is het nou echt nodig dat de dokter vraagt welke pillen er allemaal geslikt worden, of is dat iets wat eigenlijk op een heel laagdrempelige manier vooraf al gebeurd kan zijn. Dan kun je misschien ook een heel ander consult krijgen. Misschien ook wel een leuk ander voorbeeld: we hebben nu technologie waarmee een samenvatting kan worden gegenereerd over een patiënt, bijvoorbeeld het beloop tijdens een opname of samenvatting voordat iemand een consult krijgt met de arts. Vroeger kostten dat gewoon heel veel tijd, en dat was tijd die de arts dan 's avonds vaak met de laptop op schoot op de bank deed. Dat kunnen wij ook echt zien, want we hebben een elektronisch patiëntendossier waarin je kunt zien wanneer mensen inloggen. Nou, om negen uur 's avonds een grote piek. Dat zijn de collega's die dus morgen de patiënten gaan zien en die willen er gewoon voorbereid zijn. Als je nou technologie hebt dat er een samenvatting van dat dossier kan worden aangeboden en er eigenlijk dus veel minder tijd nodig is in die voorbereiding, nou, dan is het een ondersteunende technologie, dat je dan minder tijd 's avonds bezig bent. Maar het echt meer transformatieve komt hem op het moment dat je zegt: daar is eigenlijk maar zo weinig voorbereidingstijd nog nodig dat we niet de avond van tevoren, maar dat je eigenlijk twee minuten van tevoren pas je hoeft in te lezen. Dan kun je namelijk de hele manier waarop jij je poli of je proces inricht op een heel andere manier doen. Want nu moeten we natuurlijk weten wie is morgen de behandelaar, welke patiënten kunnen daardoor gezien worden en zo, dat aan elkaar matchen. Dat kan je dan gewoon totaal anders inrichten en allerlei efficiencies creëren. Ook bijvoorbeeld als iemand ziek uitvalt of als een patiënt niet komt opdagen, dan kan je gewoon heel snel een andere patiënt aanbieden. Dat soort dingen kan dan gebeuren.
Wat is er nodig om die transformatie echt te realiseren?
Ik denk wel dat we al veel van die elementen doen. Het moet allemaal nog wel echt een stap beter worden. De technologie zelf is natuurlijk relatief nog onvolwassen. We hebben nog niet zo heel lang generatieve AI. De toepassingen ontwikkelen zich nog in razend tempo. Heel veel mensen denken dat dat een hockeystick is die maar door blijft gaan naar boven in grafiekjes gesproken, maar dat is natuurlijk niet zo. Dat gaat ook op een gegeven moment plateauen. Dan gaan we met elkaar steeds beter snappen wat die technologie nou echt te bieden heeft en op welke manier je er echt op kunt gaan leunen. Dus veel van de toepassingen die we nu hebben zullen nog doorontwikkeld moeten worden, die zullen beter moeten worden. We doen dus al wat van die dingen die ik zojuist beschreven, alleen het lukt dus nog niet genoeg om dat echt die switch te maken. En dat gaan we, denk ik, in de komende jaren wel zien. De oplossingen moeten beter worden, de technologie moet beter worden, uiteindelijk moeten wij er beter mee leren werken. En dan komt dat punt dat we toepassingen gaan krijgen die dus niet meer alleen het proces ondersteunen wat we al deden en het iets efficiënter gaan laten doen, maar dat we echt wel weer een stap terug kunnen doen en een soort van redesign kunnen maken. Hoe zou je nou met deze technologie integraal verweven die zorg opnieuw organiseren en inrichten.
Hoe breng je die redesign terug naar je strategie?
Wij hebben geen herontwerpsstrategie op dit moment. Dus ik heb helaas dat antwoord ook nog niet. Maar wat ik wel beschrijf: ten eerste positioneer het in je organisatie als gamechanger. Dat is een term die we ook bewust gekozen hebben. Want als we een wat Hollandse term zouden gebruiken, dan denk ik dan blijft het niet plakken. Terwijl wij echt al onze communicatie in het Nederlands doen naar onze collega's, maar deze hebben echt het gamechanger genoemd om aandacht te geven. Ik denk dat je AI echt hoog in je organisatie moet beleggen. Dus niet ergens onderin bij IT, maar echt op C-level. Dus wij hebben een raad van bestuur en dat je dat echt onder die raad van bestuur direct positioneert, omdat AI alles raakt: het raakt het gebouw, de omgeving, het raakt je human resources. Het creëert allerlei vraagstukken over hoe ga je zorgen dat mensen ermee kunnen werken. Je kunt wel prachtige AI hebben, maar als niemand ermee kan werken, ja, who cares? Dus ook aan de kant van de medewerker heb je dingen te doen. Aan de kant van de patiënt ook een heel belangrijke voor ons. We hebben een cliëntenraad en die houdt ons echt scherp op: nemen we het perspectief wel voldoende mee.
Kun je een voorbeeld geven van hoe het patiëntenperspectief verwerkt wordt in AI-toepassingen?
We hebben laatst een pilot gedaan, ook met een bedrijf die een technologie heeft voor spraakrapportage voor de patiënt. Wat eigenlijk heel gek is: dan doe je spraakrapportage en dan gaat het alleen maar naar het elektronisch patiëntendossier, terwijl er zit nog iemand in de kamer. Een heel mooi redesign ding: geef die patiënt nou ook toegang daartoe. Als wij dat als UMCG doen, dan is dat heel complex, want dan hebben we weer al die wetten en regels waar we aan moeten voldoen. Maar als de patiënt dat zelf doet, dan kan er eigenlijk heel veel. Ik heb daar recent toch wel ook een beetje pijnlijk voorbeeld van zelf mee mogen maken. Mijn schoonvader is recent overleden en ik heb daar aan de zorg kunnen ervaren welke uitdagingen daar dan liggen. Het is ontzettend motiverend om het weer net met elkaar een stapje beter te gaan doen de komende periode. Wat je daar zag gebeuren is dat iemand die helemaal geen ervaring heeft met zorg, die het allemaal echt niet meer meekrijgt, en die dan gesprekken moet voeren met een arts over hele complexe vraagstukken. En dan vervolgens komen wij op bezoek en dan moeten wij het van hun horen hoe het allemaal heeft gezeten. En vervolgens moeten wij dan als mantelzorg daarin gaan ondersteunen, beslissingen gaan nemen. Wat zal er gezegd zijn? Dan denk je ook: dat is van de zotten, er is nog veel te doen. Die tool die door dit bedrijf ontwikkeld is, helpt dus niet alleen die patiënt. Dat is ook heel erg op gericht om te zorgen dat de mantel eromheen, de naasten, ook mee kunnen. Het is ook, als eigen ervaring van iemand die dichtbij staat die ik ook heb geholpen in een heel traject, als je veel van de gesprekken met de behandelend arts mee hebt gezeten, dan merk je al: op het moment dat je de kamer uitkomt nadat je een pittige boodschap hebt gehad, dan heb je echt zoveel andere dingen gehoord dan die patiënt zelf, vooral als het echt heftige boodschappen zijn. Ja, dan is het zo waardevol als je technologie hebt die dat kan ondersteunen. En ook die de kans gaat geven dat de patiënt vooraf het gesprek zou kunnen voeren, maar ook om achteraf het gesprek te voeren met het gesprek. Het gesprek met de arts is geweest, de medische expertise is op tafel gelegd, is vastgelegd in een opname. Vervolgens kom je thuis en heb je misschien nog allerlei nieuwe vragen. En als je gewoon alleen al nieuwe vragen aan dat consult zou kunnen stellen, dan hoef je niet allerlei medische expertise weer bij te halen, maar dan heb je misschien die vragen van: ja, oké, wat nou als ik een dag later die pil neem, wat gebeurt er dan? Of gewoon gerust geven.
Hoe blijf je als hooggereguleerde sector toch innoveren en van anderen leren?
Dit zijn de redesign vragen die je met elkaar wil gaan stellen, maar dan moet je wel technologie hebben waar je dus op kunt bouwen. En daar gaan we de komende periode natuurlijk heel erg veel stappen zien. Ik denk ook dat wij als sector, wij zijn hooggereguleerde sector, met andere woorden, wij mogen echt niet zomaar allerlei experimenten uitvoeren, en terecht. Dus het is ook aan ons, en ook in mijn rol natuurlijk heel erg belangrijk, om je heen te blijven kijken. Leer niet alleen van jouw zorgcollega's, maar leer ook van andere industrieën. Ga ook op bezoek bij industrieën. Wij hebben bijvoorbeeld recent een aantal contacten gehad met de rechtspraak. Omdat wat wij zien gebeuren is dat de patiënt in ons geval ook toegang heeft tot dokter ChatGPT, en die komt natuurlijk met allerlei verhalen tegenwoordig, de een wel, de ander niet hoor, maar bij de arts die veel toegang heeft tot technologie en daar makkelijker gebruik van kan maken, dan dat de rechter dat kan, omdat daar veel meer op toegezien wordt wat de rechter wel en niet mag. Dus die hebben natuurlijk ontzettend veel interesse om van ons te leren over hoe wij dat dan in die zorgcontext, waarin je natuurlijk eigenlijk ook te maken hebt met allerlei wet- en regelgeving over het mogen gebruiken door de professional, terwijl aan de indienende kant er minder remming is. Dat zijn hele interessante dingen om veel van elkaar op te leren.
Waarom is het belangrijk om van andere sectoren te leren en niet alleen van je eigen sector?
Ik krijg best wel heel veel de vraag: heb je voorbeelden uit mijn sector? Terwijl ik dan ook denk: sommige patronen zitten in andere sectoren ook en daar kan je dan zo goed van leren. Leren en inspireren. In ons voorgesprek hadden we het nog even over agents, en in welke mate gebruik je agents in je dagelijkse omgeving. Ik denk dat we met elkaar in de zorg eigenlijk op termijn heel veel gebruik zullen willen maken van een agentenworkforce die gaat zorgen dat we de patiënt beter kunnen ondersteunen. Maar het begint bij ons, denk ik, eerst dat je gewoon thuis zelf je dingetjes met je agents gaat doen. Vervolgens gaat kijken: wat kun je in de back-office, in je bedrijfsvoering langs mijn hand opbouwen aan een agenten workforce die gaat helpen om het hele proces veel beter te automatiseren. En als we dan de volgende stap willen maken, echt naar de kliniek, echt naar de zorgkant van de organisatie waar gewoon de lat veel hoger ligt, en terecht, dan hebben we al zoveel meer geleerd. Dus dat doe je thuis, dat doe je op het werk in de backoffice, en dus inderdaad kijken naar organisaties die daarin uitblinken. Ik denk dan zelf bijvoorbeeld aan: ik heb zelf ooit zo'n Lean Six Sigma gedaan en toen zijn we op bezoek geweest bij een fabrikant van vrachtwagens. Het was echt super inspirerend om in zo'n fabriek te zijn om te zien hoe zij dat systeem geïntroduceerd hadden. En dat je denkt: ja, wij moeten als UMCG niet per se proberen om op dat soort dingen uit te blinken, want er zijn al uitblinkers. Dan moet je vooral leren en inspiratie opdoen.
Hoe passen jullie het 'proudly copied from' principe toe in de samenwerking tussen UMC's?
Een van mijn rollen is bij UMCNL, die branchevereniging of de koepelenorganisatie van UMC's. Er zijn er zeven in Nederland, zeven UMC's. Dat zijn natuurlijk organisaties waar heel veel onderzoekers werken die heel veel gewend zijn om kennis te ontwikkelen, om nieuwsgierigheid gedreven onderzoek te doen, et cetera. Dus het 'proudly copied from' zit niet in het DNA. Dat is de stap die wij nu gezet hebben met elkaar door veel meer samen te werken, samen dossiers te bekijken, kijken wat je van elkaar kunt leren, kijken wat je met elkaar kunt delen. En misschien ook wat strategischer gaan kijken: als jij nou dat doet, dan doe ik dit, en dat kan mooi samen. Dus dat is een hele belangrijke ontwikkeling. En ik denk dat AI zich daar ook heel erg voor leent om het gewoon nieuwe technologie, ja, je kunt ook zeggen het is hartstikke oude technologie, want in de jaren vijftig, zestig waren de eerste chatbots er officieel al. Maar wat mij betreft is het echt wel nieuwe technologie en dat leent zich dus het beste ook om echt samen te verkennen.
Mag een patiënt weigeren dat AI gebruikt wordt in zijn of haar zorgtraject?
Ik denk dat de vraag is eigenlijk ook heel erg vanuit, jullie kennen misschien de Gartner Hype Cycle. In het begin gaat hij omhoog en dan wordt het zo gehyped, en op een gegeven moment gaat hij over de piek heen. Dan krijg je de trough of disillusionment en dan langzaam kom je naar het plateau of productivity. Dan snappen we wat die technologie kan. Maar dat is een hypecycle van AI van Gartner, daar staan ongeveer veertig verschillende technologieën op. En nu vraag je mij: zou een patiënt AI mogen weigeren? Dat is denk ik ultiem een hypevraag. Waarom zeg ik dat? Want ik denk dat het toch een beetje een gebalanceerd antwoord vraagt. Want dat ligt eraan welke AI. Als het AI is waar onze zorgprocessen gewoon op leunen en wij onze zorgprocessen niet goed kunnen voeren zonder dat we die AI toepassen, en die is veilig en gecertificeerd, of whatever, dan denk ik: als je als patiënt zegt, ik moet morgen geopereerd worden maar je mag geen scalpel gebruiken, dan zeggen wij ook: daar gaan we niet doen, want dan kunnen we niet snijden. Ik denk met AI dat je een beetje zo'n antwoord moet of zo'n positie moet innemen. Als het echt sleutel is voor ons om te kunnen werken, dan krijg je een punt waarop we zeggen: daar gaan we niet meer zonder werken. Maar als het nog niet in die fase zit, als het meer aan de nice-to-have kant zit, of er een fatsoenlijke workaround is, en die patiënt heeft bijvoorbeeld bepaalde angstbeelden bij AI, want dat heb je met die hype natuurlijk ook, absoluut doemdenkers die denken dat AI de wereld over gaat nemen en de mens eigenlijk in de weg staat, dus die moet dan maar uitgeroeid worden. Nou kijk, als dat de beelden zijn die je hebt, en je komt bij de afdeling psychiatrie vanwege je angststoornissen, en die psychiater zegt: ik ga hier met AI het gesprek opnemen om vast te leggen, ja, dan heb je hem niet helemaal goed. Dan denk ik dat we met elkaar moeten zeggen: als die patiënt dan zegt ik wil geen AI, dan denk ik geen AI. Dus dat is mijn gebalanceerde antwoord. AIToday Live is een podcast die zich richt op de nieuwste ontwikkelingen in AI en de impact ervan op verschillende sectoren. In elke aflevering spreken hosts Niels Naglé en Joop Snijder met experts uit het veld om inzicht te krijgen in de mogelijkheden en uitdagingen van AI-technologie. Luister via je favoriete podcast app: Spotify, Apple podcasts, YouTube Music, en meer.
Over de gast
Bart Scheerder werkt bij het UMCG aan AI-strategie en partnerships, en zet zich in voor de vertaling van generatieve AI naar concrete toepassingen binnen de zorg. Daarnaast vervult hij de rol van programmamanager bij UMCNL, waar hij zorgorganisaties helpt kennis te delen en dubbel werk te voorkomen, en is hij kwartiermaker voor de Nederlandse AI-fabriek in Groningen. Zijn werk richt zich op het verbinden van strategisch niveau met de praktijk, waarbij hij benadrukt dat problemen op de werkvloer het startpunt moeten zijn voor AI-initiatieven.
Bekijk gastprofielTranscript
Joop en Niels spreken met Bart Scheerder. Hij werkt bij UMCG aan AI-strategie en partnerships. Hij is ook programmamanager bij UMCNL en kwartiermaker voor de Nederlandse AI-fabriek in Groningen. Bart vertelt hoeveel een internist gemiddeld zijn tijd kwijt is aan administratie en aan patiëntencontact. Hij legt uit waarom UMCG koos voor een strategie met AI in plaats van een aparte AI-strategie. Joop: Leuk dat je weer luisteren naar een nieuwe aflevering van AIToday. Joop: Mijn naam is Joop Snijder, hier van jaar weer Info Support. Niels: Mijn naam, Niels Naglé Area Lead Data & AI bij Info Support. Joop: En ja, we zijn heel blij met onze gast in de studio, Bart Scheerder zeg ik het goed. Joop: Ik was het vergeten de vragen van tevoren doe ik eigenlijk altijd. Joop: Bart, zou je jezelf eerst even willen voorstellen aan de luisteraar. Bart: Ja, zeker. Bart: Ik ben daar altijd wel een tijdje mee bezig tegenwoordig, omdat ik een aantal verschillende functies vervul. Bart: Maar ik hou het compact hoor Scheerder, inderdaad, ik werk dagelijks bij het Universitair Medisch Centrum in Groningen. Bart: Ik doe daar onze AI-strategie en partnerships. Bart: Het UMCG is een organisatie die al heel vroeg met generatieve AI hard bezig is gegaan. Bart: En we hebben langzamerhand gerealiseerd dat we daar ook echt wel veel meer op een strategisch niveau mee aan de slag moeten. Bart: Dus dat is een belangrijke rol voor mij. Bart: Daarnaast ben ik bij UMCNL, dat is de branchevereniging of de koepelvereniging van UMC's. Bart: Daar ben ik programmamanager bij de AI-versnellingsagenda. Bart: Het is samenwerking die we hebben om te kijken hoe kunnen we veel meer van elkaar leren samen optrekken en de dingen vooral niet te veel doubleren. Bart: En ook hoe kunnen we de link maken met andere zorgpartijen. Bart: En tot slot voor het UMCG ben ik ook de kwartiermaker richting de Nederlandse AI-fabriek. Bart: Dat is een project, wat in oktober vorig jaar gehonoreerd is door de Europese Commissie, de Euro HPC-organisatie heet dat. Bart: En er komt de Nederlandse AI-fabriek, die komt in Groningen. Bart: En daar hebben we veel ambities mee. Bart: Alleen AI gaat niet vanzelf. Bart: Dus daarvoor ben ik wat hier maken. Bart: En daar zullen we vast straks nog wel over bespreken. Joop: Ik heb wel heel veel vragen. Joop: En het begint eigenlijk van waarom heeft het UMCG voor gekozen om heel vroeg te beginnen met generatieve AI. Bart: Ja, het verhaal begint eigenlijk ongeveer tien jaar geleden. Bart: We hadden destijds een decaan die al herkende dat de rol van data science. Bart: Wat we tegenwoordig vaak gewoon AI noemen, maar de rol van data science en ook de kracht van het werken met data, dat steeds belangrijker zou worden. Bart: Er hebben een aantal organisatie onderdelen voor opgericht. Bart: En door de jaren heen werden we daardoor dus steeds op corporate niveau bedreven om met data science te gaan werken. Bart: En in 2016, ik ben zelf eigenlijk in 2016 ongeveer daar meer in gaan verdiepen. Bart: Dat was de tijd van blockchain. Bart: Misschien jullie ook nog wel goed bekend. Bart: Die had een belofte. Bart: Dat zou de zorg gaan transformeren. Bart: Blockchain. Bart: Dus ik duik in die technologie, probeer te snappen. Bart: Wat doet dat nou eigenlijk überhaupt? Bart: Want dat moet je natuurlijk wel een beetje begrijpen dan. Bart: En hoe kan dat nou de zorg transformeren? Bart: Ik kwam er niet achter. Bart: De goeroes wisten het kennelijk, maar ik vond het echt niet verzinnen. Bart: Maar toen dat een beetje over zijn hypecycle heen was, toen was 2019. Bart: In juli de investering Microsoft 1 miljard in een bedrijf, OpenAI nooit van gehoord. Bart: En dat was eigenlijk het moment waarop we dachten: wat gebeurt er daar dan? Bart: Maar Microsoft zijn toch wel dat zijn knappe koppen die daarover nadenken. Bart: En een miljard is niet zomaar een investering. Bart: Dus toen hebben we eigenlijk voor het eerst die verkenning gestart. Bart: Wat is dat nou waar ze mee bezig zijn? Bart: Wat voor kracht zit daarachter, dat zo'n investering gedaan wordt en wat betekent dat voor ons? Bart: En dat is eigenlijk het startpunt geweest. Bart: En dan kun je je goed voorstellen, in 2020 werd er wat afleiding gecreëerd. Bart: De hele COVID-pandemie die kwam en we toch echt wel mensenlevens voorop. Bart: Dus dat heeft ons toen wat tijd gekost. Bart: Maar in 2022 zijn we eigenlijk daar weer volop mee doorgegaan. Bart: En toen in november 2022 ChatGPT gelanceerd werd. Bart: Dus die GPT's waar we al langere tijd mee aan het verkennen waren, dat was voor ons wel het signaal van nu moeten we ook door als we hiermee echt aan de slag willen. Bart: En ook als we daar als pioniers mee aan de slag willen, echt laten zien wat je ermee kan. Bart: Dan was dat het moment om te investeren. Niels: Ik was nieuwsgierig, 2019 waar u er echt naar aan het kijken, toen kwam even Covid om de hoek. Niels: Wat toen het beeld van 2019, wat gaat dit voor ons betekenen? Niels: En wat is te veranderd daarna? Bart: Het beeld van 2019 was eigenlijk best nog wel diffuus. Bart: Ik denk dat je heel veel mensen zich vandaag de dag nog steeds afvragen, bijvoorbeeld, wat kan je nou met een taalmodel. Bart: Hoe verandert de taalmodellen, hoe verandert een taalmodel de wereld? Bart: Het is eigenlijk een heel wonderlijk vraagstuk en dat snap ik heel erg. Bart: En zo denk ik in 2019 dan kijk je ook nog meer langs die as naar generatieve AI. Bart: En dat gaat steeds rijker. Bart: Dat wordt steeds rijker en langzamerhand ga je nadenken over. Bart: Wat doet dat stukje niet deterministische AI. Bart: Dus niet dingen die je van tevoren eigenlijk kunt voorspellen, maar juist het onvoorspelbare. Bart: Wat kun je daarmee? Bart: En dan opent dat eigenlijk een hele train of thought bijvoorbeeld dan hoef je niet meer alles voor te kauwen. Bart: Je kunt ook in scenario's gaan werken of simulaties gaan doen. Bart: Synthetische datageneratie, dat soort zaken allemaal, wordt eigenlijk veel bereikbaarder. Bart: En ja, dan gaan we dus niet meer van deterministisch machine learning, deep learning, extrapoleren van resultaten, maar echt gewoon veel meer in scenario's werken. Joop: En zou je die scenario's terug kunnen brengen, zeg maar tot de zorg? Bart: Ja, simulaties is, denk ik voor de zorgkant nog best wel ver gezocht. Bart: Misschien als ik een parallel mag doen naar automotive. Bart: Je hebt de klassieke autopilot functies. Bart: Die zijn klassiek gezien, zijn die heel erg getraind, gewoon met hele hoop data, heel veel annotatie. Bart: En gaan intekenen, fiets, intekenen, auto, intekenen, stoplicht. Bart: Nou ja, en recapture kennen jullie natuurlijk ook en hoe je dat dan ook nog gaat automatiseren. Bart: Maar wat gebeurt er als je als je het op die manier doet, dan blijf je vasthouden aan dingen die je van tevoren hebt gezien. Bart: En er zijn voorbeelden waarin de autopilot, zeg maar, misgaat, omdat bijvoorbeeld een fiets op de weg is, waar aan de voorkant van de fiets een enorm object zit, waardoor de vorm eigenlijk zodanig verstoord wordt dat je het niet meer herkent. Bart: En dus gewoon daartegenin rijdt. Bart: En dat gaat helemaal mis. Bart: Nou, ik denk dat wij in de zorg, zeg maar, ook op een hooggereguleerde manier werken. Bart: Dus onze bijvoorbeeld de zorgrobots die we hebben, zeg maar, die laat je nu nog niet zomaar in simulaties werken, dus echt echt voorspellend werken. Bart: We hopen dat dat wel in de toekomst gaat kunnen, maar dat wordt nog wel pittig. Bart: Misschien is dat wel ook wel een bruggetje hoor. Bart: Dat is echt in de zorg, maar rondom de zorg. Bart: In de logistiek en dat soort zaken, kijk, daar kun je natuurlijk wel veel meer. Bart: Als je nou nadenkt over bijvoorbeeld een UMCG-organisatie, er werken veertienduizend mensen. Bart: Wat kun je daar allemaal aan autonome systemen, zeg maar laten draaien, die zorgen voor schoonmaak, die zorgen voor transport. Bart: Het is een organisatie, het UMCG, onze campus is een kilometer lang. Bart: Er gebeurt heel wat transport. Bart: En het laatste wat je wil, is dat die patiënt iedere keer struikelt over, daar zit een heel systeem achter. Bart: En dat willen we ook wel heel erg. Bart: In toenemende mate met autonome systemen, autonome robotica, zeg maar. Joop: Wat is er nu, zeg maar, op dat gebied al in productie dan qua AI. Joop: Dus er hoeft niet robotica of al autonome eentjes te zijn, maar wat hebben jullie wat in ieder geval baar is, zeg maar voor ons buiten de zorg. Bart: Ik denk dat het zorgbreed het grootste is wat nu draait, dat richt zich veel meer op spraakgestuurde rapporteren. Bart: Dus dat is de transcriptie en dan vervolgens met bijvoorbeeld een taalmodel uit die transcriptie betekenis halen. Bart: Dat wordt heel breed toegepast. Bart: Maar tegelijkertijd wordt dat nog niet echt veel gepilot, veel geïmplementeerd, maar het echte opschalen dat ontbreekt vaak nog. Bart: Dat heeft ook te maken met dat de tools die er nu zijn, allemaal niet als een medisch hulpmiddel gecertificeerd zijn. Bart: Voor ons in de sector is dat wel heel belangrijk. Bart: Want dan weten we ook niet precies wat we met de output kunnen. Bart: En in welke mate we daar vervolgautomatisering op kunnen gaan toepassen. Bart: Dat zijn wel ontwikkelingen waar een aantal bedrijven, zeg maar, zich op aan het ontwikkelen zijn. Bart: Als je naar aanleiding van een patiënt-doktergesprek dat er dan gewoon automatisch uit controle. Bart: Als er is gezegd, we gaan dit en dit medicament voorschrijven, dat dat niet meer ten eerste niet meer handmatig getypt moet worden in het systeem. Bart: Dat alleen al. Bart: Maar ook dat er dan de vervolgordering gaat gebeuren. Bart: Dus dat er vanzelf een berichtje naar de apotheek gaat, dat bij de apotheek vanzelf een signaal komt van leg dat dat doosje met pillen bij wijze van spreken klaar. Bart: Of als er wordt gezegd van je moet nog even met de cardioloog contact hebben, dat er dan ook gewoon een afspraak gepland wordt in plaats van. Bart: En mind je, dat is echt, dat kost onze collega's echt knoeperig veel tijd. Joop: En dan zijn het vaak ook de artsen die dat doen. Joop: Dus dat recept schrijven. Joop: Dus dat zijn je mensen die het liefst, zeg maar, tegen de patiënt aan wil houden, die zitten dan administratief werk te doen. Bart: Ja, en daar zijn getallen over waar je van eet schrikken. Bart: Als je internist bent in Nederland, van de interne geneeskunde. Bart: Dan spendeer je gemiddeld 40% van je tijd aan administratieve verhandelingen. Bart: Dus dat is 40% en dat is niet alleen typen, maar dat is ook een hele hoop klikken, dat is ook een hele hoop bellen, maar niet bellen omdat je je medische expertise in moet zetten, maar omdat je moet bellen. Bart: Dat die en die klaar moet staan voor dat of dat. Bart: Dat is natuurlijk van de zotte dat het zoveel tijd kost. Bart: En dan het meest schokkende getal daarvan is, hoeveel procent verwachten jullie nou dat zo'n internist spendeert aan patiëntentijd. Bart: Je durft het haast niet te gokken. Niels: Ik zou hoop op die andere 60%. Niels: Maar aan de inleiding te horen, is dat niet die 60 procent. Bart: 20 procent. Bart: Dus moet je je voorstellen dat ze dus twee keer zoveel tijd met administratie bezig zijn. Bart: Als direct patiëntencontact. Bart: En de overige tijd wordt gespendeerd aan zaken als opleiden of andere activiteiten. Bart: Dus dat is helemaal scheef. Bart: En dat roept om automatisering, dat roept om AI-introducties. Bart: En daar zijn we dus wel mee bezig, maar het gaat niet hard genoeg. Bart: En waarom gaat het nou niet hard genoeg? Bart: Om het neemt gewoon. Bart: Dus die spraakgestuurd is echt een poorttechnologie, een startpunt van een hele hoop automatiseringskansen die je kunt creëren. Bart: Maar dan moeten we er wel op kunnen bouwen. Bart: En op dit moment is dat dus onvoldoende zo. Bart: Dus die automatiseringslagen gebeuren niet. Bart: Heb je ook nog eens een keer te maken met interoperabiliteitsvraagstukken, hoe kunnen wij communiceren met andere zorgorganisaties bijvoorbeeld. Bart: Voor veel mensen is het een beetje een wonder dat je denkt aan de zorg als een soort van generiek samenhangend gebeuren. Bart: Maar in Nederland, ik heb het recent gehoord van iemand er meer dan 50.000 verschillende zorgorganisaties. Bart: Dat zijn natuurlijk niet allemaal ziekenhuizen. Bart: Er zijn minder dan 100 ziekenhuizen, maar er zijn heel veel zorgorganisaties, dat zijn eigenlijk allemaal autonome organisaties, die hebben hun eigen IT ingericht, die hebben hun eigen inkoop gedaan, die hebben hun eigen keuzes daarin gemaakt, hoe ze het inrichten. Bart: En die patiënt, die wandelt daar doorheen. Bart: Die komt eerst bij zijn huisarts. Bart: Die gaat daarna door naar bijvoorbeeld het gewone ziekenhuis. Bart: En als het niet goed is, dan gaat hij door naar het UMCG en dan misschien weer terug en dan naar de revalidatie en dan naar de thuiszorg. Bart: En al die organisaties, die zijn dus niet om die patiënt heen gebouwd, die zijn allemaal zelfstandig. Bart: Dus dat is natuurlijk een heel lastig fenomeen om daar automatisering op door te voeren. Niels: Het is meer om de organisatie heen georganiseerd dan om het geen inderdaad, om de patiënt. Bart: En dat is natuurlijk ja, historisch zo gegroeid. Bart: Ik ben zelf 25 jaar geleden ongeveer begonnen in het vak. Bart: En in die periode was de introductie van het elektronisch patiëntendossier. Bart: Ik had toen een rol waarin ik bij allerlei ziekenhuizen langs ging in het kader van studies om te kijken of dingen goed geregistreerd werden en of ze de juiste dingen deden. Bart: En dat was het heerlijk als je zo'n site had, waar dan dus inderdaad, zo'n elektronisch patiëntendossier was. Bart: Want dan kwam je daar en wist je zeker dat je bij de gegevens kon. Bart: Terwijl vroeger met papier, als de patiënt opgenomen was, dan lag die bij de patiënten, kon jij er niet bij. Bart: Dus dan kwam je bij de site en dan is alles er, vraagteken. Bart: En nou met het EPD was het super. Bart: Je hebt altijd inzicht. Bart: En ook die dokters waren super enthousiast. Bart: Ons EPD moest kijken, dan kan ik zo, klik ik hier en heb je de brief en klik ik daar en heb je dat. Bart: Nou, je moet nu eens aan een arts vragen, wat vind jij van een elektronisch patiëntendossier? Bart: Dat is echt een totale 180 graden, die zijn vaak heel erg gepiekerd op die systemen, gefrustreerd over die systemen. Bart: En ik snap het hoor, want toen was het nog veel meer ondersteunend, nu is het ook een hoop registratie ten behoeve van declaraties of andere dingen waarvan waarvan je denkt, is dit het nou. Joop: Of het is zo moeilijk ingericht. Joop: Ik weet bij mij, zeg maar, bij de arts hebben ze gewoon een schaduwlijst van mijn medicijnenlijst. Joop: De medicijnenlijst doornemen. Bart: Ja, dat is toch. Bart: En sommige mensen die zijn daar scherp genoeg op, die snappen dat. Bart: Dus je kan dat niet inschatten voor jou natuurlijk. Bart: Maar er zijn natuurlijk ook best wel mensen die gewoon geen idee hebben. Bart: En die dan zeggen van ja, zo gaat het echt in de behandelkamer. Bart: Wat voor een pil gebruikt u? Joop: Nou ja, ik heb een roze. Bart: En dan weten wij vaak wel, dat dat dan waarschijnlijk een Ibuprofen is. Bart: En ik heb ook nog zo een en zo één. Bart: En op basis daarvan, of ze nemen de pakjes mee en zo. Bart: Dan vraag je wel veel van de patiënt eigenlijk. Bart: Terwijl die systemen zou je zeggen, van die moet je daar toch op in kunnen richten. Joop: Je had het in het begin over van jullie zaten je heel vroeg erin. Joop: Wat heeft die voorsprong, wat heeft die jullie opgeleverd. Bart: Ten eerste ben je daardoor veel meer in beeld voor allerlei partijen die willen innoveren. Bart: Ik denk dat dat soms een lust, soms een last is. Bart: Sommige partijen zijn echt heel interessant, die hebben hele goede en solide ideeën. Bart: En helemaal als ze ook een achtergrond hebben in de sector of in ieder geval begrip hebben over onze omgeving. Bart: Er zijn natuurlijk ook een hoop waarvan zeker in de tijd dat de ChatGPT echt aan het opschalen was. Bart: Iedereen die er een wrapper omheen kon gooien, zeg maar, en dan weer een toepassing had verzonnen, die kwam daar weer. Bart: Nou ja, jullie zullen het herkennen. Bart: Dat kost te veel tijd. Bart: Maar het opende dus wel de deur om met veel interessante partners samen te werken. Bart: Ook heeft het ons in staat gesteld om eigenlijk meer een regisserende rol te vervullen. Bart: Als het gaat over onze regio bijvoorbeeld. Bart: Omdat wij hebben een goede reputatie als het gaat over het toepassen van generatieve AI. Bart: Veel van onze regionale organisaties, zorgbestuurders, die komen dan bij ons om te vragen van wij willen aan de slag met AI. Bart: En het staat bij ons nog in de kinderschoenen. Bart: Wat door wat kunnen we doen. Bart: Dan helpt het natuurlijk dat je die vraag gesteld krijgt en ook met elkaar dan dat traject kunnen starten. Niels: Ja, en wat is dan het antwoord op? Niels: Wat kan je dan doen als er zo'n organisatie bij je komt? Bart: Ja, dat is een aantal antwoorden daarop. Bart: Maar het belangrijke is natuurlijk als het wiel uitgevonden is, please don't reinvent. Bart: Er is één één hele generieke, maar wel absoluut waar. Bart: Het helpt dat wij dus veel benaderd worden, dat ook vaak heel goed weten wat waar speelt. Bart: Dus je hebt dan toch een beetje een regresserende rol in. Bart: Een tweede, wat ik echt standaard zeg, en ik heb daar wel een leuk voorbeeld van van een andere zorganisatie. Bart: Is begin bij het probleem, begin bij de uitdaging. Bart: En wij hebben bij het UMCG hebben wij ook gezegd van dat moet je als niet als bestuur gaan bedenken wat het probleem is. Bart: Jij weet dat niet. Bart: Dat weet de werkvloer. Bart: En de werkvloer moet je dus in staat stellen om te articuleren wat gaat er hier niet goed. Bart: Waar loop je tegenaan? Bart: En liefst op een manier dat het net wel een beetje werk kost om dat probleem aan te dragen. Joop: Want als het te makkelijk is, dan krijg je alle problemen tijd over de schutting en dan veel plezier ermee. Bart: Dus ze moeten wel de tijd willen nemen om te articuleren wat er precies de uitdaging is. Bart: En meedenken over de oplossing. Bart: Als je dat doet. Bart: Dan ga je met de relevante dingen aan de slag. Joop: Maar is het niet. Joop: Ik weet niet hoe jullie dat krijgen of hoe je het uitvraag. Joop: Maar is het niet dat het dan heel makkelijk, zeg maar dat je juist de oplossing aan gedragen krijgt en niet het probleem wat daarachter zit. Bart: En ik denk dat iedereen vandaag de dag helemaal nu. Bart: Iedereen loopt, elke dag denk ik, dat is mijn bubbel waar ik in leven natuurlijk. Bart: Maar iedereen denkt natuurlijk van wat kan AI nou voor mij betekenen. Bart: En krijg daar ideeën over en op een gegeven moment raakt je verliefd op dat idee van die oplossing en probeer je dat te organiseren. Bart: We hebben een innovatiepijn, wat begint met het startpunt is, echt die uitdaging, het probleem. Bart: Dus je kunt via het AI-loket kun je dat aanvragen. Bart: En daar kun je dus niet invullen, ik wil graag. Bart: Maar dit zit mij dwars. Bart: Of dit is mijn probleem. Joop: Ja, daar begint het gewoon al mee. Bart: Daar begint het mee. Bart: En hetzelfde geldt ook als die wat ik zeg, als al die bedrijven die ons benaderen bij ons komen, dan willen ze met mij praten over samenwerken met UMCG. Joop: Maar ik ben niet de probleemeigenaar. Bart: Dus dan kun je wel met je oplossing bij mij komen, maar dan moet je mij ook helpen door te koppelen met mijn collega die dat probleem heeft. Bart: En als die er niet is, dan als die als die collega mij niet bevraagd. Bart: Dan ga ik natuurlijk niet rennen. Bart: Dan draaien we de tafels een beetje om. Bart: Het is wel een leuk voorbeeld om mee te geven. Bart: Als het gaat over het probleem en het willen werken met AI. Bart: Dat was een hele mooie presentatie die ik recent had bij het Karolinska in Stockholm. Bart: Daar hebben ze een chief AI officer. Bart: Dat vond ik wel een hele fancy titel. Bart: Hele leuke fan, heel down to earth. Bart: Geen AI-nerd, geen dokter. Bart: Dus gewoon iemand die er echt mee aan de slag is gegaan. Bart: Die gaf het voorbeeld van dat zij wilde aan de slag met het AI gebruiken voor efficiëntere operatietijdplanning. Bart: Dus een operatiekamer is natuurlijk best wel een resource die heel kostbaar is en schaars. Bart: De mensen die daar werken, zijn ook schaars. Bart: Dus als ze nou met elkaar zorgen dat we AI gebruiken om zo efficiënt mogelijk daarmee te gaan werken, dan verwachten zij heel veel rendement. Bart: Dat was het project. Joop: En met efficiëntie is eigenlijk de bezettingsgraad. Bart: De bezettingsgraad krijgen, inderdaad. Bart: En wat ze gedaan hebben, is als startpunt. Bart: Kijken hoe het proces loopt. Bart: Lijkt mij een heel goed startpunt. Bart: Dus we gaan eerst kijken hoe het proces loopt. Bart: Nou, wat bleek, ze werken met een soort van operatiekaartjes. Bart: Dat waren niet fysieke kaartjes, maar digitale kaartjes, waarop staat bij deze ingreep, bijvoorbeeld amandelen verwijderen, ik zeg maar wat willekeurig. Bart: Heb je deze medisch specialist nodig. Bart: Deze operatieassistent, heb je minstens dit soort apparatuur nodig. Bart: En dat duurt ongeveer zo lang. Bart: En als ze klaar zijn, dan moeten ze daar en daar terecht kunnen. Bart: Nou, op basis daarvan heb je nodig om te plannen. Bart: Nou vervolgens gingen ze kijken: hebben we de verschillende kaartjes. Bart: Ze hadden iets van 4000 geloof ik, of 3000. Bart: Maar dan bleek dat er 900 daarvan waren nog ooit maar één keer gebruikt. Bart: Dus daar begon het eigenlijk al. Bart: Dan heb je dus een hele standaardisatie gedaan om wat om eenmalige gebruik. Bart: En de volgende stap was, gingen ze kijken naar het aantal minuten dat een operatie gepland was, en het aantal minuten dat die ook geduurd had. Bart: En dat hadden ze dan van een x-aantal operaties gedaan. Bart: En als je je probeert in te beelden dat je een x-as hebt en een y-as, de X-as zijn het aantal geplande minuten en de y-as gerealiseerde minuten. Bart: Dan zou de logische lijn een diagonale lijn zijn, waarin je precies ziet. Bart: Het was voor 180 minuten gepland en het duurde 180 minuten. Bart: Wat die data nou vervolgens zien, dat waren twee horizontale strepen in plaats van een diagonale. Bart: Wat betekent dat alle operaties werden ze ongeveer standaard gepland op 280 minuten. Bart: Met uitzondering van een aantal die zaten op 320. Bart: En dat was het zo ongeveer qua variatie. Bart: En dat klopt natuurlijk voor geen meter. Bart: Dus de daadwerkelijke tijd, die was veel diverser. Bart: Dus dan krijg je die horizontale strepen. Bart: Dus ze begonnen met een AI-project. Bart: We willen AI gaan gebruiken om efficiëntere planning te doen. Bart: Maar eigenlijk gewoon door het proces in kaart te brengen en te kijken naar de data, leren ze al ontzettend veel. Bart: En maakten ze al hele grote stappen over die operatiekaarten, die moeten we gewoon aan gaan passen. Bart: We hoeven geen AI te gebruiken, we moeten gewoon kijken wat die data ontzegt. Joop: Wat mooi. Niels: Wie weet komen er wel nieuwe soorten kamers waar andere apparatuur staat om efficiënter daarmee om te kunnen gaan. Bart: Dat zou heel goed kunnen. Bart: Dus het begint en dat is ook wel wat wij echt geleerd hebben door de tijd heen. Bart: AI-projecten, dat begint echt dat bouw je op naar die AI toe. Bart: Het begint heel erg met welk proces, welk probleem, maar ook welk proces. Bart: En als dat proces matig loopt, bijvoorbeeld ongestructureerd of ongeorganiseerd. Bart: dan moet je AI niet gaan toepassen op dat proces. Bart: Want dan heb je een AI-ondersteuning chaotisch proces. Bart: Dan moet je gaan kijken van we moeten met elkaar in gesprek. Bart: Hoe werken we nou eigenlijk met elkaar? Bart: En als je dat met elkaar goed afgestemd hebt, of dat is aan het begin al zo. Bart: Dan ga je kijken, hebben wij data die dat proces weergeeft, kunnen wij het proces met data monitoren, ja of nee. Bart: En er zijn best veel processen, dat dat helemaal niet lukt. Bart: Dan kun je wel met AI aan de slag willen. Joop: Hoe weet je dan wat er verbeterd wordt? Bart: Precies, en hoe bewijs je succes. Bart: En iedereen op een gegeven moment wel zegt van het werkt zo fijn met die AI. Bart: Het kost ook allemaal geld. Bart: Dus we moeten dat wel kunnen bewijzen dat het impact heeft. Bart: Dus als die data er niet is, dan moet je ook eerst daarmee aan de slag gaan. Bart: En pas als je heldere data hebt dat je KPI's kunt maken, dat je inzichten kunt geven. Joop: Heb je daar wel eens voor moeten vechten binnen de organisatie. Joop: Want ik kan me zo voorstellen, ik heb nu al een paar keer denk ik gevraagd in de podcast, want er is natuurlijk heel veel druk op van deze technologie, die moet nu zoveel belofte. Joop: We gaan dit gewoon doen. Joop: Heb je er dan van moeten vechten? Joop: Zeg, ja, maar luister, weet je, die data is er niet, dit is het niet, dus is die niet. Joop: We doen het niet. Joop: Ik ben van AI, want ben jij daar zo. Joop: Ik ben van AI en ik zeg dat doen we niet. Bart: Of ik daar een concreet voorbeeld van heb. Bart: Kijk, wat wij in het begin hebben gemerkt is dat heb ik niet net gezegd, maar in november 22 kwam ChatGPT live in november 23 hadden wij de eerste toepassing met ChatGPT in het UMCG draaien. Bart: Dat was samen met het ETZ in Tilburg, we waren de eerst in Europa. Bart: We hebben dat gedaan samen met onze EPD-leverancier, het bedrijf Epic. Bart: En die heeft heel veel geïnvesteerd in die toepassing. Bart: Die eerste toepassing was eigenlijk nog niet super goed. Bart: Dat was een manier dat als een patiënt een vraag stelt via mijn UMCG-portaal. Bart: Dat komt dan bij de bij de behandelaar in een soort inbox. Bart: En dan kon er een conceptantwoord klaargezet worden. Bart: Maar in het begin, ik weet niet of jullie dat ook een beetje voelen, van in het begin was ChatGPT natuurlijk lang zo goed niet. Bart: Als het vandaag de dag is. Bart: Dus die antwoorden waren zaten natuurlijk veel meer hallucinaties in. Bart: En ook wat dan de belofte was, van het wordt allemaal veel empathischer. Bart: En vervolgens wat je dan krijgt, is die patiënt die al tien jaar bij dezelfde behandelaar zit, stelt een vraag via het krijgt een antwoord waarvan waarvan die leest van die dokter heeft helemaal geen tijd genomen voor mij, die heeft gewoon een ChatGPT-antwoord gegeven. Joop: En het staat er netjes onder dat het gegenereerd. Bart: Maar dat voelt natuurlijk zo van, hij heeft geen tijd meer voor me. Bart: Of zij heeft geen tijd meer voor me. Bart: Dat zijn wel functionaliteiten die je dan door de tijd heen. Bart: Ja, waar je je echt moet afvragen, moeten we dit blijven doen. Bart: Hoeveel beter moet het eigenlijk gaan worden om het te blijven doen, dat soort vragen, die moet je je wel gaan stellen. Bart: En dan is het dan is het ook wel weer een implementatievraagstuk. Bart: Want voordat je met al die collega's, voordat je zulke soort tools aan de man hebt, ben je wel even bezig. Bart: En als je ze dan uit wil zetten, dan ben je ook wel weer even bezig om dat uit te leggen. Bart: En een aantal mensen is natuurlijk heel enthousiast. Bart: En die zeggen van, wat heb je mij nou weer geflikt, ben ik het gaan gebruiken. Bart: En nou moet ik moet ik al die tijd erin stoppen. Bart: Dus dat is wel eens een balancing act, zeg maar van nieuwe kansen. Bart: Het moet beter. Joop: En ik kan me ook best wel voorstellen dat het lastig is om in de huid van de patiënt te kruipen, dat je niet had kunnen voorspellen. Joop: Dat het effect is dat je denkt, ja, maar er wordt geen aandacht meer aan mijn besteden. Joop: Misschien was het antwoord beter. Joop: Maar de perceptie is de kwaliteit is eigenlijk minder. Joop: Dat is natuurlijk echt heel erg lastig. Bart: En het belangrijk ook, ik vertelde in ons voorgesprek al kort iets over dat wij veel last hebben soms van allerlei wetten en regels. Bart: En dat is eigenlijk lastig, maar ze hebben ook echt een functie. Bart: Maar wat de medische hulpmiddelen wetgeving, die is die is heel strikt natuurlijk. Bart: Wat zo'n functie niet zomaar mag doen, is medisch advies geven. Bart: Want dan wordt het namelijk een medisch hulpmiddel. Bart: En dat is terecht, want medisch advies mag niet zomaar gegeven worden. Bart: Maar wat is nou hetgene wat in veel van die gevallen eigenlijk echt tijd zou besparen, is als dat medisch advies er alvast instond. Bart: Maar ja, dat mag dan niet. Bart: Dus dan moet die arts moet hem lezen, moet hem ook nog zelf aanvullen met die advisering, zeg maar. Bart: Dan denk je wel eens van jongens, weet je, het wordt ons ook soms wel een beetje moeilijk gemaakt. Bart: Nogmaals om soms hele goede redenen. Niels: In je introductie had je het ook over het moet naar de strategie. Niels: Strategie AI of AI-strategie. Niels: Je zegt, we hebben eerst een probleem, maar wat is de beweging dan? Niels: Waarom is je strategie zo nodig? Bart: Ja, dat is wel mooi dat je het vraagt. Bart: En ook de manier waarop je het formuleert. Bart: In november 2024 werd ik door de Raad van Bestuur gevraagd om een AI-strategie voor het UMCG te ontwikkelen. Bart: Dat vond ik een hele mooie mooie uitdaging. Niels: Ik dacht, nou gaaf, weet je. Bart: En dan ben ik mee aan de slag gegaan. Bart: Maar wat merkte je eigenlijk al vrij snel. Bart: Als wij echt geloven dat AI een transformatief technologie kan zijn voor onze organisatie. Bart: Dan hebben we niet een AI-strategie nodig. Joop: Dan hebben we een strategie met AI nodig. Bart: En die zijn kleine nuance, maar zegt heel veel. Bart: Dus wat we toen gedaan hebben in 2025 is de corporate strategie helemaal herzien. Bart: En daar hebben we AI echt als een gamechanger neergezet. Bart: En wat betekent dat dan? Bart: Dus we hebben een aantal game changers met elkaar gedefinieerd. Bart: Bijvoorbeeld ook wat ik zei dat je de regie bij de werkvloer moet je de regie geven. Bart: En hoe doe je dat als organisatie, want dat is natuurlijk heel complex. Bart: Maar AI is ook als zo'n gamechanger gedefinieerd. Bart: Het is denk ik belangrijk dat je als je AI alleen maar onderbrengt als een IT-hulpmiddel. Bart: Dan mis je eigenlijk de samenhang. Bart: En dan wordt het nooit transformatief, dan wordt het op zijn best ondersteunend. Bart: En ik denk dat we nu laten we zeggen, het komend jaar, twee jaar nog heel veel AI gaan toepassen die vooral ondersteunend is. Bart: Dus ik noemde er straks spraakgeschiedenis rapporteren. Bart: Dan leg je gewoon iets vast wat gezegd is. Joop: Wat je eigenlijk eigenlijk al deed, alleen met technologie ondersteund. Bart: Ja, dus je hoeft iets minder te typen, iets minder te klikken. Bart: Maar je redesigned het hele proces niet. Bart: Terwijl als je nou nadenkt over als agenten met een patiënt kunnen praten, de reactie kunnen opnemen, kunnen we dan misschien met elkaar zorgen dat er een soort van triagering vooraf gaat gebeuren. Bart: Voordat een patiënt bij de dokter komt of bij de verpleegkundige komt, dat er dan al een gesprek is geweest, maar natuurlijk niet over de essentie, maar juist over de overige dingen waar je waar je eigenlijk helemaal die dokter-patiëntrelatie niet voor nodig hebt. Bart: Het uitvragen van bepaalde informatie van tevoren, we hadden het over pillen. Bart: Is het nou echt nodig dat de dokter vraagt welke pillen er allemaal geslikt worden, of is dat iets wat eigenlijk op een hele laagdrempelige manier. Bart: En dan kun je misschien ook een heel ander consult krijgen. Bart: En misschien ook misschien ook wel een leuk ander voorbeeld. Bart: We hebben nu technologie waarmee een samenvatting kan worden gegenereerd over een patiënt. Bart: Bijvoorbeeld het beloop tijdens een opname of samenvatting voordat iemand een consult krijgt met de arts. Bart: En dat kosten vroeger, kosten dat gewoon heel veel tijd. Bart: En dat was tijd die de arts dan 's avonds vaak met de laptop op schoot op bank op de bank deed. Bart: En dat kunnen wij ook echt zien. Bart: Want we hebben een elektronisch patiëntdossier waarin je kunt zien wanneer mensen inloggen. Bart: Nou, om negen uur 's avonds een grote piek. Bart: En dat zijn de collega's die dus morgen de patiënten gaan zien en die willen er gewoon voorbereid zijn. Bart: En als je nou technologie hebt dat er een samenvatting van dat dossier kan worden aangeboden en er eigenlijk dus veel minder tijd nodig is in die voorbereiding. Bart: Nou, dan is het een ondersteunende technologie, is dat je dan minder tijd 's avonds bezig bent, maar het echt meer transformatieve komt hem. Bart: Op het moment dat je zegt van daar is eigenlijk maar zo weinig voorbereidingstijd nog nodig. Bart: Dat we niet de avond van tevoren, maar dat je eigenlijk twee minuten van tevoren pas je hoeft in te lezen. Bart: Dan kun je namelijk de hele manier waarop jij je poli of je proces inricht, kun je op een heel andere manier doen. Bart: Want nu moeten we natuurlijk weten wie is morgen de behandelaar. Bart: Welke patiënten kunnen daardoor gezien worden en zo. Bart: Dat aan elkaar matchen, zeg maar, dat kan je dan gewoon totaal anders inrichten. Bart: En allerlei efficiencies creëren. Bart: Ook bijvoorbeeld als iemand ziek uitvalt of als een patiënt niet kom opdagen, dan kan je gewoon heel snel een andere patiënt aanbieden. Bart: Dat soort dingen, dat kan dan gebeuren. Niels: Klinkt dus allemaal mooie beelden. Niels: Maar wat is er nodig om dit te gaan creëren met elkaar? Bart: Ik denk wel dat we al veel van die elementen doen. Bart: Het moet allemaal nog wel echt een stap beter worden. Bart: Dus de technologie zelf is natuurlijk relatief nog onvolwassen. Bart: We hebben nog niet zo heel lang generatieve AI. Bart: De toepassingen ontwikkelen zich nog in razend tempo. Bart: Heel veel mensen denken dat dat een hockeystick is die maar door blijft gaan naar boven. Bart: In grafiekjes gesproken. Bart: Maar dat is natuurlijk niet zo. Bart: Dat gaat ook op een gegeven moment plateauen. Bart: En dan gaan we met elkaar steeds beter snappen wat die technologie nou echt te bieden heeft en op welke manier je er echt op kunt gaan leunen, zeg maar. Bart: Dus veel van de toepassingen die we nu hebben, die zullen nog doorontwikkeld moeten worden, die zullen beter moeten worden. Bart: We doen dus al wat wat van die dingen die ik zojuist beschreven, dat doen we al in de praktijk. Bart: Alleen het lukt dus nog niet genoeg om dat echt die switch te maken. Bart: En dat gaan we, denk ik, in de komende jaren jaren wel zien. Bart: Dus de oplossingen moeten beter worden, de technologie moet beter worden, uiteindelijk moeten wij er beter mee leren werken. Bart: En dan komt dat punt dat we toepassingen gaan krijgen, die dus niet meer alleen het proces ondersteunen, wat we al deden en het iets efficiënter gaan laten doen. Bart: Dat we echt wel weer een stap terug kunnen doen en een soort van redesign. Bart: En hoe zou je nou met deze technologie integraal verweven, die zorg opnieuw organiseren en inrichten. Joop: Die redesign, die hoor ik ook wat vaker bij andere bedrijven. Joop: Hoe breng je dat dan terug, zeg maar, naar je strategie? Joop: Want aan de ene kant, zeg maar, weet je niet zo goed, zeg maar, wat dan zo direct zo'n herontwerp gaat brengen. Joop: En ik denk dat er ook best wel heel veel bedrijven zijn of organisaties zijn, ja, maar ik weet helemaal niet waar ik moet beginnen met een herontwerp. Joop: Laat staan, zeg maar, dat ik daar een strategie voor kan bedenken. Bart: Ja, wij hebben geen herontwerpsstrategie op dit moment. Bart: Dus ik heb helaas dat antwoord ook nog niet op. Bart: Maar wat ik wel beschrijf, ten eerste positioneer het in je organisatie als game changer. Bart: Dat is een term die we ook bewust gekozen hebben. Bart: Want als we zouden een wat Hollandse term zouden gebruiken, dan denk ik dan dan blijft het niet plakken. Bart: Terwijl wij echt al onze communicatie in het Nederlands doen naar onze collega's, maar deze hebben echt het game changer genoemd om aandacht te geven. Bart: Ik denk dat je AI echt hoog in je organisatie moet beleggen. Bart: Dus niet ergens onderin bij IT, maar echt op C-level, dus wij hebben een raad van bestuur. Bart: En dat je dat echt onder die raad van bestuur direct positioneert, omdat AI raakt alles, raakt het gebouw, de omgeving, raakt je human resources. Bart: Het creëert allerlei vraagstukken over hoe ga je zorgen dat je kunt wel prachtige AI hebben, maar als niemand ermee kan werken, ja, who cares? Bart: Dus ook aan de kant van de medewerker heb je dingen te doen. Bart: Aan de kant van de patiënt, dus ook een heel belangrijke voor ons. Bart: We hebben een cliëntenraad. Bart: En die houdt ons echt scherp op nemen we het perspectief wel voldoende mee. Bart: We hebben laatst een pilot gedaan, ook met een bedrijf die een technologie heeft dat eigenlijk spraakrapportage voor de patiënt aanbiedt. Bart: Wat is eigenlijk heel gek. Bart: Dan doe je spraakrapportage en dan gaat het alleen maar naar het elektronisch patiëntendossier. Bart: terwijl er zit nog iemand in de kamer. Bart: Een heel mooi redesign ding, geef die patiënt nou ook toegang daartoe. Bart: En als wij dat als UMCG doen, dan is dat heel complex. Bart: Want dan hebben we weer al die wetten en regels waar we dan aan moeten gaan doen. Bart: Maar als de patiënt dat zelf doet, dan kan er eigenlijk heel veel. Bart: Ik heb daar recent toch wel ook een beetje pijnlijk voorbeeld van zelf mee mogen maken. Bart: Mijn schoonvader die is recent overleden. Bart: Ik heb ook aan de zorg kan daarvan kunnen ervaren. Bart: Welke uitdagingen daar dan liggen. Bart: En het is ontzettend motiverend om het weer net met elkaar een stapje beter te gaan doen de komende periode. Bart: Wat je daar zag gebeuren, is dat iemand die helemaal geen ervaring heeft met zorg, die het allemaal echt niet meer meekrijgt, en die dan gesprekken moet voeren met een arts over hele complexe vraagstukken. Bart: En dan vervolgens komen wij op bezoek. Bart: En dan moeten wij het van hun horen hoe het allemaal heeft gezeten. Bart: En vervolgens moeten wij dan als mantelzorg moeten wij daarin gaan ondersteunen, beslissingen gaan nemen. Bart: Wat zal er gezegd zijn. Bart: Dan denk je ook van de zotten. Bart: Er is nog veel te doen, en alles is nog gecontroleerd natuurlijk. Niels: Ik zat precies met hetzelfde idee. Niels: Want als je daar aan tafel zit, je moet iets vertellen. Niels: Je zit zelf al in de stress, omdat je bij de arts zit en je denkt dat er iets niet goed is. Niels: Als je dat gesprek van tevoren ook kan voeren en eigenlijk van goh, geef ik genoeg informatie, moet ik nog iets meenemen. Niels: Iets wat we nu met soms met meerdere mensen juist het gesprek voeren, familie meenemen. Niels: Wat als je dat kan voorbereiden en ondersteunen kan doen. Niels: Ik vind dat wel een mooie manier van omdenken om eigenlijk eerst het gesprek met jezelf te hebben. Niels: Om het goede gesprek met de arts te hebben. Bart: Ja, zeker, dat zou twee, dat zou nog op een heel interessante hoek zijn, inderdaad. Bart: Die tool die door dit ook ontwikkeld is, het is een leuk leuk bedrijf. Bart: Dat helpt dus niet alleen die patiënt. Bart: Dat is ook heel erg op gericht om te zorgen dat de mantel eromheen, zeg maar. Bart: Het is ook best wel als eigen ervaring, iemand die dichtbij staat die ik ook heb geholpen in een heel traject. Bart: Veel van de gesprekken met de behandelend arts, zeg maar toen ook mee hebt gezeten. Bart: En dan merk je al, van het moment dat je de kamer uitkomt nadat je een pittige boodschap hebt gehad, dan praat je, als je het niet over jezelf gaat, dan heb je echt zoveel andere dingen gehoord dan die patiënt zelf. Bart: Vooral als het echt heftige boodschappen zijn. Bart: En ja, dan is het zo waardevol als je wat technologie hebt die dat kan ondersteunen. Bart: En ook die de kans gaat geven, want jij zegt vooraf dat de patiënt vooraf het gesprek zou kunnen voeren. Bart: Maar ook om achteraf het gesprek te voeren met het gesprek. Bart: Het gesprek met de arts is geweest, de medische expertise is op tafel gelegd, is vastgelegd in een opname. Bart: Vervolgens kom je thuis en heb je misschien nog allerlei nieuwe vragen. Bart: En als je gewoon alleen al nieuwe vragen aan die aan dat consult zou kunnen stellen, dan hoeft dan hoef je niet allerlei medische expertise weer bij te halen. Bart: Maar dan heb je misschien die vragen van ja, oké, wat nou als ik een dag later die pil neem. Bart: Wat gebeurt er dan? Joop: Of een zoveel gerust geven. Bart: Dus dit zijn de redesign vragen die je met elkaar wil gaan stellen. Bart: Maar dan moet je wel technologie hebben waar je dus op kunt bouwen. Bart: En daar gaan we de komende periode natuurlijk heel erg veel stappen zien. Bart: En ik denk ook dat wij als sector wij zijn hooggereguleerde sector. Bart: Met andere woorden, wij mogen echt niet zomaar allerlei experimenten uitvoeren en om terecht. Bart: Dus het is ook aan ons en ook in mijn rol natuurlijk heel erg belangrijk om je heen te blijven kijken. Bart: Leer niet alleen van jouw zorgcollega's, maar leer ook van andere industrieën. Bart: Ga ook op bezoek bij industrieën. Bart: Wij hebben bijvoorbeeld recent een aantal contacten gehad met de wet met de rechtspraak. Bart: Omdat wat wij zien gebeuren, is dat de patiënt, in ons geval ook toegang tot dokter ChatGPT, en die komt natuurlijk met allerlei verhalen tegenwoordig, de een wel, de ander niet hoor, maar bij de arts. Bart: die veel toegang heeft tot technologie en daar makkelijker gebruik van kan maken, dan dat de rechter dat kan, omdat daar veel meer op toegezien wordt, wat de rechter wel en niet mag. Bart: Dus die hebben natuurlijk ontzettend veel interesse om van ons te leren over hoe wij dat dan in die zorgcontext, waarin je natuurlijk eigenlijk ook te maken hebt met allerlei wet en regelgeving over het mogen gebruiken door de professional. Bart: terwijl aan de indienende kant er minder remming is. Bart: Dat zijn hele interessante dingen ook veel van elkaar op. Joop: Dat is wel een goede, want ik krijg best wel heel veel de vraag dan juist van ja, maar heb je voorbeelden uit mijn sector. Joop: Terwijl ik dan ook denk van ja, sommige patronen zitten zitten in andere sectoren ook en daar kan je dan zo goed van leren. Bart: En leren en inspireren. Bart: Dat je in ons voorgesprek hadden we het nog even over agents. Bart: En in welke mate gebruik je agents in je dagelijkse omgeving. Bart: Ik denk dat we met elkaar in de zorg eigenlijk op termijn heel veel gebruik zullen willen maken van een agentenworkforce die gaat zorgen dat we de patiënt beter kunnen ondersteunen. Bart: Maar het begint bij ons, denk ik eerst dat je gewoon thuis zelf je dingetjes met je agents gaat doen. Bart: Vervolgens gaat kijken van wat kun je in de back-office in je bedrijfsvoering langs mijn hand opbouwen aan een agenten workforce, die gaat helpen om het hele proces veel beter te automatiseren. Bart: En als we dan de volgende stap willen maken, echt naar de kliniek, echt naar de zorgkant van de organisatie, waar gewoon de lat veel hoger ligt en terecht. Bart: Dan hebben we al zoveel meer geleerd. Bart: Dus dat doe je thuis, dat doe je op het werk, in de backoffice, en dus inderdaad, kijken naar organisaties die daarin uitblinken. Bart: Ik denk dan zelf bijvoorbeeld aan. Bart: Ik heb zelf ooit zo'n Lean Six Sigma gedaan. Bart: En toen zijn we op bezoek geweest bij een fabrikant van vrachtwagens. Bart: Het was echt super inspirerend om in zo'n fabriek te zijn om te zien hoe zij dat systeem, zeg maar, geïntroduceerd hadden. Bart: En dat je denken van ja, wij moeten als UMCG moeten we ook niet per se proberen om op dat soort dingen uit te blinken. Bart: Want er zijn al uitblinkers, dan moet je vooral leren en inspiratie op doen. Niels: En als het ergens al goed doen, dat gewoon kopiëren. Niels: En kijken waar dat al zich bewezen heeft. Niels: En dat ook niet erg vinden. Bart: En dat ook niet erg vinden. Bart: Een van mijn rollen is bij UMCNL, die branchevereniging of de koepelenorganisatie van UMC's. Bart: En er zijn er zeven in Nederland, zeven UMC's. Bart: En dat zijn natuurlijk organisaties waar heel veel onderzoekers werken, die heel veel gewend zijn om kennis te ontwikkelen, om nieuwsgierigheid gedreven onderzoek te doen, et cetera. Bart: Dus het proudly copied from zit niet in het DNA. Bart: En dat is de stap die wij nu gezet hebben met elkaar door veel meer samen te werken, samen dossiers te bekijken. Bart: Kijken wat je van elkaar kunt leren, kijken wat je met elkaar kunt delen. Bart: En misschien ook wat strategischer gaan kijken. Bart: Als jij nou dat doet, dan doe ik dit. Joop: En dat kan mooi samen. Bart: Dus dat is een hele belangrijke ontwikkeling. Bart: En ik denk dat AI zich daar ook heel erg voor leent. Bart: Om het gewoon nieuwe technologie is. Bart: Ja, je kunt ook zeggen, het is hartstikke oude technologie, want in de jaren 50, 60 waren de eerste chatbots er officieel al. Bart: Maar wat mij betreft is het echt wel nieuwe technologie. Bart: Dat leent zich dus het beste ook om echt samen te verkennen. Niels: Sluit ook weer mooi aan bij het advies wat je net ook gaf aan de zorgorganisatie. Niels: Het wil niet zelf opnieuw willen uitvinden als je wel uitgevonden is, maar gaat toepassen. Bart: Ga toepassen. Bart: En proudly copied from. Joop: Ja, in plaats van het not invented here syndroom. Joop: Proudly copied from, die ga ik die ga ik gebruiken. Joop: Ik ken hem nog niet. Joop: Ik wil nog even melden voordat we afsluiten, van je noemde het UMCG. Joop: Je noemde game changer in je strategie. Joop: We hebben samen met UMCG hebben wij het kaartspel game changer in de zorg, hebben wij ontwikkeld die is gratis aan te vragen door de luisteraars. Joop: Dus je hoeft alleen maar gewoon dat vind je op onze website, krijg je gewoon gratis opgestuurd weer een stuk of vijf hebben, krijg je vijf. Joop: Maar één wil ik aan jou aan jou voorleggen daaruit. Joop: Want dat is met de groep van Jessica Worken hebben dit samen gedaan. Joop: Er was op een gegeven moment de discussie, namelijk van mag een patiënt zo direct weigeren. Joop: Als die weet dat AI in het zorgtraject zit. Joop: Uiteindelijk is dat gekomen tot de stelling van het is heel het is uiteindelijk onethisch om AI niet in de zorg te gebruiken. Joop: Maar ik wil eigenlijk terug naar dat naar dat iets meer ongepolijste stuk. Joop: Wat vind jij daarvan? Joop: Zou zou een patiënt daar invloed op mogen hebben. Bart: Of AI wel of niet in het zorgtraject zou mogen zitten, en ik denk dat de vraag is eigenlijk ook heel erg vanuit de jullie kennen misschien de Gartner Hype Cycle. Bart: In het begin gaat hij omhoog en dan wordt het zo gehyped. Bart: En op een gegeven moment gaat hij over de piek heen. Bart: En dan krijg je de trouw of disillusionement. Bart: En dan langs mijn hand kom je naar het plateau of productivity. Bart: En dan snappen we wat die technologie kan. Bart: Maar dat is een hypecycle van AI van Gartner, daar staan ongeveer 40 verschillende technologieën op. Bart: En nu vraag je mij, zou een patiënt AI mogen weigeren. Bart: Dat is denk ik ultiem hype vraag. Bart: Waarom zeg ik dat? Bart: Want ik denk dat het toch een beetje een gebalanceerd antwoord vraagt. Bart: Want dat ligt eraan welke AI. Bart: En als het AI is waar onze zorgprocessen gewoon op leunen en wij onze zorgprocessen niet goed kunnen voeren zonder dat we die AI toepassen, en die is veilig en gecertificeerd, of whatever. Bart: Dan denk ik dat als je als patiënt zegt, ik moet morgen geopereerd worden, maar je mag geen scalpel gebruiken, dan zeggen wij ook daar gaan we niet doen. Bart: Want dan kunnen we niet snijden. Bart: En ik denk met AI dat je een beetje zo'n antwoord moet of zo'n positie moet innemen. Bart: Als het echt sleutel is voor ons om te kunnen werken, dan krijg je een punt waarop we zeggen daar gaan we niet meer zonder werken, als dat is potentieel risicovol. Bart: Maar als het nog niet in die fase zit, als het meer aan de nice to have kans zit, of er een fatsoenlijke workaround is. Bart: En die patiënt heeft bijvoorbeeld een bepaalde angstbeelden bij AI. Bart: Want dat heb je met die hype natuurlijk ook. Bart: Absoluut doemdenkers die denken dat AI de wereld over gaat nemen. Bart: en de mens eigenlijk in de weg staat, dus die moet dan maar uitgeroeid worden. Bart: Nou, kijk, als je als dat de beelden zijn die je hebt, en en je komt bij de afdeling psychiatrie vanwege je angststoornissen. Bart: En die psychiater die zegt. Bart: ik ga hier met AI het gesprek opnemen om vast te leggen. Bart: Ja, dan heb je hem niet helemaal goed. Bart: En dan denk ik dat we met elkaar moeten zeggen als die patiënt dan zegt ik wil geen AI, dan denk ik geen AI. Bart: Dus dat is mijn gebalanceerde. Joop: Heel mooi, ik hou van van dit soort nuancen. Joop: Dankjewel. Joop: Dankjewel Bart voor dit ontzettend informatieve gesprek. Joop: Heel mooi om te zien wat jullie doen, hoe jullie erover nadenken. Joop: Ik heb er zelf in ieder geval alvast al heel veel van geleerd. Niels: Dankjewel. Niels: AI-strategie naar strategie met AI. Joop: En proudly copied from nooit meer vergeten. Joop: Dankjewel. Joop: Leuk dat je weer luisterde naar deze aflevering, vergeet je niet te abonneren via je favoriete podcast. Joop: En hebt dan mis je een aflevering tot de volgende keer.