AI in de gezondheidszorg: drie businessmodellen die de zorg kunnen transformeren
- Deborah Nas
- 9 jan
- 4 minuten om te lezen
Kunstmatige intelligentie (AI) verandert de gezondheidszorg in hoog tempo. Grote taalmodellen (LLM’s) zoals ChatGPT gaan verder dan eenvoudige chatinterfaces en worden steeds vaker geïntegreerd in zorgprocessen, patiëntondersteuning en klinische systemen.
In een recent gesprek op BNR Nieuwsradio besprak ik drie opkomende businessmodellen voor AI in de zorg. Elk daarvan richt zich op een ander deel van het zorgsysteem: patiënten, ziekenhuizen en artsen.
Samen laten ze een grotere verschuiving zien: AI is niet langer alleen een hulpmiddel, maar wordt een nieuwe laag infrastructuur binnen de gezondheidszorg.
1. AI als persoonlijke gezondheidsassistent
Eerder dit jaar kondigde OpenAI ChatGPT Health aan, een speciale gezondheidsomgeving binnen ChatGPT.
Het idee is eenvoudig maar krachtig: een 24/7 persoonlijke gezondheidsassistent die mensen helpt hun gezondheid beter te begrijpen en te managen. In plaats van algemene internetzoekopdrachten kan het systeem verbinding maken met persoonlijke databronnen zoals:
Apple Health
MyFitnessPal
Elektronische patiëntendossiers
Dit betekent dat gebruikers vragen kunnen stellen zoals:
“Wat betekent mijn cholesterolwaarde voor mijn dieet?”
“Bereid me voor op mijn afspraak met de cardioloog morgen.”
“Welke patronen zie je in mijn slaap- en hartslaggegevens?”
Met andere woorden: AI wordt een gezondheidsmaatje dat patiënten helpt hun eigen data te interpreteren.
OpenAI heeft deze functionaliteit in een aparte gezondheidstab geplaatst, met een eigen geheugen en extra privacybescherming. Volgens het bedrijf worden gezondheidsgesprekken niet gebruikt om de onderliggende modellen te trainen.
Ik blijf enigszins sceptisch over dergelijke beloftes. Maar het concept speelt duidelijk in op een reële behoefte: veel mensen hebben moeite om hun gezondheidsdata te begrijpen en wenden zich toch al tot Google of AI-tools.
Het businessmodel
Het verwachte model is Direct-to-Consumer.
Patiënten zullen in de toekomst waarschijnlijk betalen via een abonnementsmodel. In eerste instantie kan OpenAI dit in de gratis versie aanbieden om gebruiksdata te verzamelen en het product te verbeteren, maar op de lange termijn wordt het waarschijnlijk een premiumfunctie binnen ChatGPT-abonnementen.
Europese gebruikers zullen nog even moeten wachten. ChatGPT Health voldoet namelijk (nog) niet aan de Europese data- en privacywetgeving.
2. AI-infrastructuur voor ziekenhuizen
Waar het eerste model zich richt op patiënten, richt het tweede model zich op zorgorganisaties. Hier spelen grote techbedrijven een sleutelrol door AI-infrastructuur te leveren voor medische toepassingen.
Een goed voorbeeld is Google met Med-PaLM 2 en de bredere MedLM-suite. In dit model gebruiken ziekenhuizen en healthtechbedrijven AI-modellen als bouwstenen om hun eigen applicaties te ontwikkelen. Zo gebruikt Mayo Clinic deze technologie om door enorme hoeveelheden interne medische dossiers te zoeken.
Artsen besteden vaak veel tijd aan het doorzoeken van patiëntendossiers om specifieke labresultaten of aantekeningen van eerdere behandelingen te vinden. AI kan fungeren als een intelligente zoeklaag over miljoenen records en direct relevante informatie ophalen.
Het doel is hier niet interactie met patiënten, maar efficiëntie voor zorgprofessionals.
Het businessmodel
Dit volgt een klassiek Infrastructure-as-a-Service (IaaS)-model. Zorgorganisaties betalen voor:
gebruik van de AI-modellen (vaak gemeten in tokens)
dataopslag
rekenkracht in cloudomgevingen
Met andere woorden: ziekenhuizen betalen voor toegang tot een AI-fabriek die hun eigen digitale zorgtoepassingen aandrijft.
3. AI-assistenten voor artsen
Het derde model richt zich op het dagelijkse werk van artsen, met name huisartsen.
Een goed Nederlands voorbeeld is Juvoly. Juvoly ontwikkelde een AI-systeem dat gespecialiseerd is in Nederlandse spraakherkenning, inclusief de vele dialecten die in het land worden gesproken.
De technologie luistert mee tijdens een consult tussen arts en patiënt. Het gesprek wordt automatisch getranscribeerd en vervolgens door een ander AI-model samengevat in de medische SOEP-structuur die in patiëntendossiers wordt gebruikt:
Subjectief – wat de patiënt aangeeft
Objectief – observaties en metingen
Evaluatie – de beoordeling van de zorgverlener
Plan – vervolgstappen in de diagnostiek en behandeling
Voor artsen betekent dit aanzienlijk minder tijd besteden aan administratieve taken zoals het uitwerken van consultnotities.
Het businessmodel
Juvoly hanteert een softwarelicentiemodel gericht op huisartsen. Praktijken kunnen kiezen:
een maandelijkse vergoeding per gebruiker
een bedrag per ingeschreven patiënt
De tijdsbesparing op administratie compenseert vaak de abonnementskosten. Daarnaast biedt Juvoly zijn technologie aan via een API, zodat andere zorgsoftwareleveranciers de spraakherkenning kunnen integreren in hun eigen systemen.
Een bredere verschuiving binnen AI in de zorg
Deze drie voorbeelden laten zien hoe AI via verschillende ingangen de zorg binnentreedt:
de persoonlijke gezondheidsassistent voor patiënten
de AI-infrastructuurlaag voor ziekenhuizen
de digitale assistent voor artsen
Ondanks de verschillen is het onderliggende thema hetzelfde: zorgsystemen wereldwijd staan onder druk door vergrijzing, stijgende kosten en personeelstekorten.
AI biedt hulpmiddelen die kunnen helpen om het systeem duurzaam te houden: door efficiëntie te verbeteren, patiënten meer regie te geven en administratieve lasten te verlagen.
Tegelijkertijd roepen deze ontwikkelingen belangrijke vragen op over data-eigenaarschap, privacy en governance. De organisaties die de data en infrastructuur beheren, zullen waarschijnlijk een sleutelrol spelen in de toekomst van de zorg.
Voor Europa ligt de uitdaging vooral in het behouden van strategische autonomie en het waarborgen dat innovatie niet ten koste gaat van controle over gevoelige gezondheidsdata.
Meer informatie?
Ik ben keynote spreker op het gebied van kunstmatige intelligentie (AI), opkomende technologieën en de toekomstige impact van innovatie. Als hoogleraar aan de Technische Universiteit Delft onderzoek ik hoe nieuwe technologieën zich ontwikkelen van onderzoeksfase naar praktische toepassingen en wat dat betekent voor organisaties en de samenleving.
In mijn werk vertaal ik complexe technologische ontwikkelingen naar heldere inzichten en praktische implicaties voor leiders en besluitvormers. Ik deel mijn visie regelmatig in de media, onder andere op BNR Nieuwsradio, waar ik de nieuwste ontwikkelingen op het gebied van AI, technologie en businessmodellen bespreek.
Met mijn keynotes, onderzoek en mediawerk help ik organisaties niet alleen te begrijpen wat nieuwe technologieën kunnen, maar vooral wat ze betekenen voor hun strategie, hun mensen en hun toekomst.
