12
min leestijd
ChatGPT in klinische beslissingsondersteuning: mogelijkheden en beperkingen
Ontdek de rol van ChatGPT in klinische beslissingsondersteuning: waar het helpt, waar het tekortschiet, en hoe je AI-tools veilig kunt evalueren in de gezondheidszorg

ChatGPT en vergelijkbare grote taalmodellen bieden echte meerwaarde in klinische workflows, maar zijn niet gevalideerd als medische hulpmiddelen. Begrijpen waar ze helpen, waar ze tekortschieten en welk governancekader hun gebruik moet omkaderen, is een praktische noodzaak voor iedereen die in de gezondheidszorg werkt.
Wat 'klinische beslissingsondersteuning' in 2026 werkelijk betekent
Klinische beslissingsondersteuning is een spectrum, geen afzonderlijke technologie. Aan het ene uiteinde staan passieve, regelgebaseerde waarschuwingen: een voorschrijfsysteem dat een gevaarlijke geneesmiddelencombinatie signaleert, of een herinnering dat een patiënt te laat is voor een uitstrijkje. Aan het andere uiteinde staan actieve, door kunstmatige intelligentie aangestuurde tools die ongestructureerde klinische gegevens interpreteren, differentiaaldiagnoses genereren of behandeltrajecten aanbevelen. Dat onderscheid is belangrijk voor het inschatten van risico's. Een regelgebaseerde waarschuwing die onterecht afgaat, is vervelend. Een groot taalmodel dat vol vertrouwen een plausibele maar onjuiste differentiaaldiagnose genereert in een complex geval, kan bijdragen aan patiëntschade.
ChatGPT en vergelijkbare modellen nemen een bijzondere positie in op dit spectrum. Ze zijn bijzonder sterk in taaltaken, maar ze zijn niet ontworpen, getraind of gevalideerd als medische hulpmiddelen. Grote taalmodellen genereren tekst door statistisch het meest waarschijnlijke volgende woord te voorspellen op basis van patronen uit enorme hoeveelheden trainingsdata. Ze redeneren niet zoals een zorgverlener, raadplegen geen farmacopee en passen geen vaste logische regels toe. Een regelgebaseerd systeem markeert een specifieke geneesmiddelinteractie altijd, als de logica correct is geprogrammeerd. Een groot taalmodel doet dat wel of niet, afhankelijk van hoe de vraag is geformuleerd en de inherente kansmatige variabiliteit van de uitvoer. Dat onderscheid is klinisch relevant: grote taalmodellen zijn geavanceerde patroonherkenningsmachines die taal produceren, geen opzoeksystemen met een betrouwbare index.
Waar ChatGPT echte belofte toont in klinische workflows
Een scoping review van 28 studies gepubliceerd in Health Science Reports identificeerde klinische beslissingsondersteuning en medisch onderwijs als de meest genoemde voordelen van ChatGPT in zorginstellingen. Het bewijs voor nut is het sterkst op vier gebieden.
Klinische verslaglegging levert de grootste tijdswinst op. Een synthese in Frontiers in Artificial Intelligence vond 40–70 procent tijdsbesparing bij documentatietaken wanneer grote taalmodellen werden ingezet bij het genereren en samenvatten van verslagen. Bij ondersteuning van niet-specialisten toonde een studie uit juni 2026 in NPJ Digital Medicine dat ChatGPT-4o op 100 echte polyneuropathiegevallen 65,5 procent nauwkeurigheid van de leidende diagnose behaalde, vergelijkbaar met niet-gespecialiseerde neurologen (63,0 procent). Niet-specialisten pasten hun beoordeling in 21,8 procent van de gevallen aan na het bekijken van de suggesties van ChatGPT-4o, wat hun nauwkeurigheid verbeterde. Diezelfde studie vond dat ChatGPT-4o beter presteerde dan niet-specialisten op het gebied van breedte van differentiaaldiagnose (82,0 procent versus 77,5 procent) en meer geschikte bevestigingstests adviseerde (68,0 procent versus 53,0 procent). Ten slotte tonen grote taalmodellen meetbaar nut bij patiëntcommunicatie: het opstellen van patiëntbrieven, het uitleggen van diagnoses in begrijpelijke taal en het ondersteunen van gezondheidsgeletterdheid.
Een systematische review van grote taalmodellen in het colorectale kankerzorgtraject, gepubliceerd in het Journal of Medical Internet Research in mei 2026, bevestigde nut bij het automatiseren van gegevensextractie uit klinische teksten, het ondersteunen van patiëntenvoorlichting en het assisteren bij klinische besluitvorming. Domeinspecifieke modellen toonden daarbij voordelen ten opzichte van algemene modellen bij bepaalde taken.
Nauwkeurigheidsproblemen: hallucinaties, verouderde kennis en ongekalibreerd vertrouwen
De klinisch meest significante beperking van grote taalmodellen is hallucinatie, het genereren van plausibel klinkende maar feitelijk onjuiste informatie. Een analyse uit november 2025 van hallucinatierisico's in grote taalmodellen die in de gezondheidszorg worden ingezet vond dat gehallucineerde uitvoer die geloofwaardig lijkt, zorgverleners kan aanzetten tot schadelijke interventies. Het risico is het grootst wanneer de onjuiste uitvoer aansluit bij een bestaand klinisch vermoeden: het model bevestigt wat de zorgverlener al denkt, en de fout blijft onopgemerkt.
Het hallucinatieprobleem wordt verergerd doordat modellen hun eigen onzekerheid slecht inschatten. Een uitgebreide evaluatie van vier grote taalmodellen op complexe reumatologiegevallen, gepubliceerd in Health Informatics Journal in april 2026, vond een zwak en niet-significant verband tussen de kwaliteit van de redenering en de zekerheid die het model uitdrukte. De modellen wisten niet betrouwbaar wanneer ze het mis hadden. ChatGPT vertoonde het laagste hallucinatiepercentage van de vier geteste modellen (7,4 procent), tegenover 18,5 procent bij Gemini. In absolute termen is 7,4 procent geen triviaal cijfer in een klinische context, en het feit dat dit het beste resultaat is, geeft aan hoe vroeg het veld zich nog bevindt.
Drie aanvullende beperkingen verdienen aandacht. Grote taalmodellen zijn getraind op gegevens tot een bepaald tijdstip, waardoor klinische richtlijnen, geneesmiddelgoedkeuringen en veiligheidswaarschuwingen die daarna zijn uitgegeven, niet worden weerspiegeld in de antwoorden. Een simulatiegebaseerde studie in Healthcare (MDPI) uit juli 2025 vond dat de betrouwbaarheid van ChatGPT aanzienlijk afnam in cardiovasculaire gevallen met comorbiditeiten, precies de patiëntenpopulatie die het meest voorkomt in de tweedelijnszorg. Een Europese studie in Clinical Pharmacology & Therapeutics uit februari 2025 vond dat ChatGPT in 90 procent van de gevallen verschillende antwoorden produceerde wanneer dezelfde vraag over geneesmiddelinteractie werd herhaald en klinisch relevante interacties miste. De onderzoekers concludeerden dat het model voor deze toepassing momenteel niet kan worden aanbevolen.
Patiëntveiligheidsrisico's die zorgverleners niet over het hoofd mogen zien
Automatiseringsbias is de neiging van zorgverleners om een door kunstmatige intelligentie gegenereerde suggestie te volgen, ook wanneer hun eigen klinische oordeel tot een andere, en mogelijk nauwkeurigere, conclusie zou hebben geleid. Dit risico is goed gedocumenteerd in de literatuur over menselijke factoren in de zorg en wordt versterkt doordat huidige modellen hun eigen onzekerheid slecht inschatten.
Minstens zo zorgwekkend is wat er gebeurt zodra een klinische ontmoeting zich ontvouwt als een reeks beslissingen in plaats van één enkele vraag. De AgentClinic-benchmark, gepubliceerd in NPJ Digital Medicine in april 2026, vond dat de diagnostische nauwkeurigheid van grote taalmodellen in opeenvolgende, interactieve klinische scenario's kan dalen tot minder dan een tiende van de nauwkeurigheid bij vergelijkbare enkelvoudige vragen. Echte klinische ontmoetingen zijn opeenvolgend en dynamisch; de meeste benchmarkevaluaties zijn dat niet. Zeldzame diagnoses vormen een bijzonder kwetsbaar punt: grote taalmodellen zijn getraind op gegevens van de gehele bevolking, en zeldzame aandoeningen zijn daarin per definitie ondervertegenwoordigd. Een studie die vijf grote taalmodellen evalueerde op 50 klinische scenario's voor multipel myeloom, beoordeeld door drie onafhankelijke hematoloog-oncologen, concludeerde dat behandelingsaanbevelingen van grote taalmodellen zorgvuldige klinische supervisie vereisen om de patiëntveiligheid te waarborgen.
Regelgevingsstatus en gegevensgovernance: twee risico's die samenhangen
Algemene grote taalmodellen zoals ChatGPT worden niet op de markt gebracht met een medisch beoogd doel en dragen geen CE-markering als medisch hulpmiddel onder de EU Medical Device Regulation (MDR). Dat creëert een aanzienlijke verantwoordelijkheidskloof. Wie een gereguleerde klinische beslissingsondersteuningstool gebruikt, beschikt over een gevalideerde bewijsbasis, een omschreven beoogd gebruik, een aansprakelijkheidskader van de fabrikant en een regelgevend audittraject. Wie consumenten-ChatGPT gebruikt om een klinische beslissing te ondersteunen, heeft geen van die waarborgen, en de klinische verantwoordelijkheid rust volledig bij de zorgverlener.
Nauw verbonden met dit regelgevingsvacuüm is het risico van het invoeren van patiëntgegevens. Wie identificeerbare patiëntgegevens invoert in consumentgerichte grote taalmodeltools, laat die gegevens vrijwel zeker verwerken door een externe partij, zonder gegevensverwerkingsovereenkomst, zonder wettelijke basis en mogelijk met gegevensopslag buiten het Verenigd Koninkrijk of de Europese Unie. Onder de UK General Data Protection Regulation en de Algemene Verordening Gegevensbescherming (AVG) van de EU zijn patiëntgegevens bijzondere categoriegegevens waarvoor een expliciete wettelijke basis voor verwerking vereist is. Enterprise-overeenkomsten met aanbieders van kunstmatige intelligentie kunnen gegevensverwerkingsovereenkomsten omvatten en toezeggingen dat invoer niet wordt gebruikt voor modeltraining; consumententools bieden die waarborgen standaard niet.
Zorgverleners die een tool voor kunstmatige intelligentie in een klinische context gebruiken, moeten het volgende nagaan: is er een gegevensverwerkingsovereenkomst tussen hun organisatie en de aanbieder van de tool? Waar worden patiëntgegevens verwerkt en opgeslagen? Heeft het informatiebeheerteam van de organisatie de tool goedgekeurd? En kunnen patiëntgegevens worden geanonimiseerd vóór invoer zonder klinisch nut te verliezen?
Hoe speciaal gebouwde klinische kunstmatige intelligentie verschilt van algemene grote taalmodellen
Het verschil tussen algemene grote taalmodellen en speciaal gebouwde klinische tools voor kunstmatige intelligentie zit niet alleen in het onderliggende model, maar in de volledige architectuur van de implementatie. Een benchmarkstudie gepubliceerd in NPJ Digital Medicine in december 2025 testte zes grote taalmodellen op 30 meetpunten die verschillende domeinen van klinische beslissingsondersteuning bestrijken. Domeinspecifieke medische grote taalmodellen toonden consistente prestatievoordelen ten opzichte van algemene modellen, met hogere topscores op zowel veiligheid (0,912) als effectiviteit (0,861), terwijl de gemiddelde prestatie over alle modellen 57,2 procent bedroeg en in klinische scenario's met hoog risico met 13,3 procent daalde.
Speciaal gebouwde klinische tools voor kunstmatige intelligentie bieden gevalideerde uitvoer die is getest aan de hand van klinische uitkomsten in omschreven patiëntenpopulaties. Ze hebben audittrajecten die klinische governance en verantwoordelijkheid ondersteunen, integratie met het medisch registratiesysteem zodat de tool toegang heeft tot gestructureerde patiëntgegevens zonder handmatige herinvoer, en certificering als medisch hulpmiddel onder het relevante regelgevingskader. Het onderliggende taalmodel kan vergelijkbaar of zelfs identiek zijn aan een algemeen groot taalmodel. De governancelaag, het validatiebewijs en de regelgevende verantwoordelijkheid vormen het werkelijke onderscheid, en dat is precies wat in een klinische context telt.
Wat het bewijs daadwerkelijk zegt: methodologische kanttekeningen
Het gepubliceerde bewijs over de prestaties van grote taalmodellen bij klinische taken groeit snel, maar blijft methodologisch ongelijk. Grote taalmodellen hebben scores in het bereik van 80–90 procent behaald op medische licentie-examens zoals de United States Medical Licensing Examination (USMLE), maar licentie-examens toetsen het ophalen van kennis en gestructureerde redenering bij goed omschreven problemen. Ze bootsen de dubbelzinnigheid, tijdsdruk, onvolledige informatie en opeenvolgende besluitvorming van echte klinische situaties niet na, waardoor examenresultaten een onbetrouwbare voorspeller van klinische bruikbaarheid zijn.
De kwaliteit van studies varieert sterk. De eerder genoemde systematische review van grote taalmodellen in colorectale kankerzorg vond dat slechts 27 procent van de opgenomen studies een laag risico op vertekening had, met problemen op het gebied van uitkomstmeting, patiëntenselectie en het ontbreken van geblindeerde beoordeling. Een expertconsensus uit 2025, gepubliceerd in ScienceDirect, identificeerde het ontbreken van consistente evaluatiemethoden als een aanzienlijke belemmering voor veilige implementatie. Zolang evaluatiekaders niet zijn gestandaardiseerd, is het lastig om prestaties tussen studies te vergelijken. Een commentaar in het Journal of the American Medical Informatics Association (JAMIA) uit januari 2025 erkende dat belangrijke beperkingen en gebieden voor toekomstig onderzoek nog onopgelost zijn.
Een kader voor zorgverleners die tools voor beslissingsondersteuning evalueren
Voordat een tool voor kunstmatige intelligentie in een klinische workflow wordt opgenomen, moeten zorgverleners en besluitvormers in de gezondheidszorg een gestructureerde evaluatielens toepassen. De volgende vragen zijn gebaseerd op huidige regelgevings- en klinische governancekaders en zijn bijzonder relevant bij het evalueren van tools voor klinische beslissingsondersteuning.
Over nauwkeurigheid en validatie
Is de tool gevalideerd op patiëntenpopulaties vergelijkbaar met die in uw klinische setting?
Wat is het gepubliceerde bewijs over hallucinatiepercentage, kalibratie en prestaties in scenario's met hoog risico?
Gaan de prestaties achteruit bij patiënten met comorbiditeiten of atypische presentaties?
Over regelgevingsstatus en gegevensgovernance
Is de tool geclassificeerd als een medisch hulpmiddel onder het relevante regelgevingskader? Zo niet, valt uw klinische gebruik dan binnen het door de fabrikant aangegeven beoogde gebruik? Controleer ook of er een gegevensverwerkingsovereenkomst bestaat tussen uw organisatie en de aanbieder, en of het informatiebeheer- en klinisch veiligheidsteam van uw organisatie de tool heeft goedgekeurd.
Over klinisch toezicht
Vereist de manier waarop de tool is geïmplementeerd dat zorgverleners alle uitvoer beoordelen voordat die klinische beslissingen beïnvloedt?
Is er een audittraject dat verantwoordelijkheid ondersteunt als een door kunstmatige intelligentie ondersteunde beslissing later ter discussie wordt gesteld?
Zijn zorgverleners die de tool gebruiken getraind om de specifieke faalmodi ervan te herkennen, waaronder hallucinatie en automatiseringsbias?
Geschikt gebruik versus ongepast vertrouwen: waar de grens ligt
Het bewijs ondersteunt een genuanceerde positie. ChatGPT en vergelijkbare grote taalmodellen kunnen de last van documentatie verminderen, niet-gespecialiseerde zorgverleners ondersteunen bij het genereren van differentiaaldiagnoses en de toegankelijkheid van klinische communicatie verbeteren. Het bewijs ondersteunt echter niet dat grote taalmodellen zelfstandig klinische beslissingen nemen, of dat algemene consumentgerichte tools worden ingezet als vervanging voor gevalideerde klinische beslissingsondersteunende systemen in situaties met grote gevolgen. De studie in Annals of Biomedical Engineering over ChatGPT bij klinische beslissingsondersteuning concludeerde dat toezicht door menselijke experts bij alle toepassingen essentieel blijft.
Taken met laag risico en hoog volume, zoals documentatieassistentie, het opstellen van patiëntbrieven en het samenvatten van literatuur, zijn waar grote taalmodellen het meeste voordeel bieden met het minste risico, mits aan de governancevereisten voor patiëntgegevens wordt voldaan. Diagnostische of voorschrijfbeslissingen met grote gevolgen, met name bij complexe, multimorbide of zeldzame ziektepresentaties, vereisen gevalideerde, gereguleerde tools met een omschreven beoogd gebruik en klinisch toezicht dat in de workflow is ingebouwd. Consumentgerichte tools zonder enterprise-gegevensovereenkomsten mogen onder geen enkele omstandigheid worden gebruikt met identificeerbare patiëntgegevens.
De ChatGPT-CARE preprint identificeerde specifieke beperkingen van basis-ChatGPT in klinische settings: het model negeerde klinische praktijkrichtlijnen en bood geen transparantie over zijn redenering. In-context leren en chain-of-thought prompting werden voorgesteld als manieren om dit te beperken, een ontwikkelingsrichting voor speciaal gebouwde tools, niet een oplossing die beschikbaar is in consumentenversies.
Toezicht door zorgverleners is geen tijdelijke maatregel in afwachting van betere kunstmatige intelligentie. Gegeven de huidige staat van nauwkeurigheid, kalibratie en regelgevende validatie van grote taalmodellen is het een structurele vereiste, en dat zal zo blijven totdat gevalideerde klinische tools voor kunstmatige intelligentie consistente, veilige prestaties aantonen over het volledige spectrum van klinische complexiteit.
Veelgestelde vragen
▶ Is ChatGPT een gereguleerd medisch hulpmiddel voor klinische beslissingsondersteuning?
Nee. Omdat ChatGPT geen CE-markering als medisch hulpmiddel draagt, ligt de volledige klinische verantwoordelijkheid bij de zorgverlener. Controleer bij elke AI-tool of het beoogde gebruik van de fabrikant overeenkomt met uw klinische toepassing, want buiten dat gebruik valt u buiten elk aansprakelijkheidskader.
▶ Voor welke klinische taken is het bewijs voor het nut van LLM's het sterkst?
Documentatietaken leveren de meest consistente winst op: 40 tot 70 procent tijdsbesparing bij het genereren en samenvatten van verslagen. Patiëntcommunicatie en literatuursamenvattingen volgen. Begin daar als u grote taalmodellen wilt introduceren, en bouw governance rond patiëntgegevens in vóór u uitbreidt naar andere toepassingen.
▶ Wat is hallucinatie en waarom is het belangrijk in klinische settings?
Een groot taalmodel genereert soms feitelijk onjuiste informatie die geloofwaardig klinkt. Het gevaar is het grootst wanneer de fout aansluit bij een bestaand klinisch vermoeden, omdat die combinatie verificatie ontmoedigt. Behandel elke output als een concept dat bevestiging vereist, niet als een opzoeking in een betrouwbare index.
▶ Kan ChatGPT betrouwbaar geneesmiddelinteracties detecteren?
Nee. Een studie in Clinical Pharmacology and Therapeutics (februari 2025) vond dat ChatGPT in 90 procent van de gevallen verschillende antwoorden gaf op dezelfde vraag over geneesmiddelinteracties en klinisch relevante interacties miste. Gebruik voor dit doel uitsluitend regelgebaseerde voorschrijfsystemen met gecodeerde, consistente logica.
▶ Wat zijn de AVG-risico's van het invoeren van patiëntgegevens in consumenten-LLM-tools?
Patiëntgegevens zijn bijzondere categoriegegevens. Consumententools bieden standaard geen gegevensverwerkingsovereenkomst en geven geen garanties over opslaglocatie of trainingsgebruik. Vraag uw informatiebeheerteam om schriftelijke goedkeuring vóór gebruik, en controleer of anonimisering mogelijk is zonder klinisch nut te verliezen.
▶ Hoe verschilt een speciaal gebouwde klinische AI-tool van algemene ChatGPT?
Het onderscheid zit in de governancelaag: validatiebewijs getest aan klinische uitkomsten, een audittraject, integratie met het medisch registratiesysteem en certificering als medisch hulpmiddel. Het onderliggende taalmodel kan vergelijkbaar zijn. Vraag leveranciers om gepubliceerd validatiebewijs voor uw specifieke patiëntenpopulatie, niet alleen om algemene benchmarkscores.
▶ Betekent het behalen van medische licentie-examens dat ChatGPT veilig is voor klinische beslissingsondersteuning?
Scores van 80 tot 90 procent op de USMLE meten kennisophaling bij goed omschreven problemen. Klinische praktijk vereist opeenvolgende besluitvorming onder onzekerheid. De AgentClinic-benchmark (NPJ Digital Medicine, april 2026) vond dat diagnostische nauwkeurigheid in interactieve scenario's kan dalen tot minder dan een tiende van de score bij enkelvoudige vragen.
▶ Wat is automatiseringsbias en hoe beïnvloedt het zorgverleners die AI-tools gebruiken?
Automatiseringsbias is de neiging om een AI-suggestie te volgen ook wanneer het eigen klinische oordeel afwijkt. Een evaluatie in Health Informatics Journal (april 2026) vond dat modellen vergelijkbaar vertrouwen uitdrukten ongeacht de kwaliteit van hun redenering. Structureer workflows zo dat verificatie een vaste stap is, geen optionele.
▶ Waar moeten zorgverleners de grens trekken tussen geschikt gebruik en ongepast vertrouwen op LLM's?
Documentatie, patiëntbrieven en literatuursamenvattingen zijn geschikt voor grote taalmodellen, mits de gegevensgovernance op orde is. Voor diagnostische of voorschrijfbeslissingen bij complexe of zeldzame presentaties zijn gevalideerde, gecertificeerde tools met ingebouwd klinisch toezicht vereist. Consumententools zonder enterprise-gegevensovereenkomst zijn in geen enkel geval geschikt voor identificeerbare patiëntgegevens.