Klinische beslissingsondersteuning bestaat al tientallen jaren in de gezondheidszorg, van eenvoudige waarschuwingen voor geneesmiddelinteracties die zijn ingebouwd in voorschrijfsystemen tot geavanceerde regelgebaseerde diagnostische hulpmiddelen. De komst van grote taalmodellen (LLM’s), zoals ChatGPT, heeft het speelveld veranderd. Deze tools kunnen omgaan met complexe klinische vragen in natuurlijke taal, langdurige patiëntgeschiedenissen samenvatten en in enkele seconden plausibel klinkende klinische redeneringen genereren. Voor zorgverleners levert dit een reëel dilemma op: deze tools worden al informeel gebruikt in klinische workflows, maar hun validatie voor besluitvorming met grote gevolgen blijft beperkt en ongelijk. Begrijpen waar LLM’s echt helpen, waar ze tekortschieten en welke governancekaders hun gebruik zouden moeten omringen, is nu een praktische noodzaak voor iedereen die in de gezondheidszorg werkt.

Wat ‘klinische beslissingsondersteuning’ in 2026 daadwerkelijk betekent

Klinische beslissingsondersteuning (CDS) is geen enkele technologie. Het is een spectrum. Aan de ene kant staan passieve, regelgebaseerde waarschuwingen: een voorschrijfsysteem dat een gecontra-indiceerde geneesmiddelencombinatie markeert, of een herinnering dat een patiënt te laat is voor een uitstrijkje. Aan de andere kant staan actieve, AI-gestuurde tools die ongestructureerde klinische gegevens interpreteren, differentiaaldiagnoses genereren of behandeltrajecten aanbevelen.

Dit onderscheid is belangrijk voor risicostratificatie. Een regelgebaseerde waarschuwing die onterecht afgaat, is vervelend en kan leiden tot waarschuwingsmoeheid. Een LLM die vol vertrouwen een plausibele maar onjuiste differentiaaldiagnose genereert in een complex geval, kan bijdragen aan patiëntschade. Niet alle CDS-tools hebben hetzelfde risicoprofiel. Het evalueren van algemene LLM’s zoals ChatGPT tegen dit spectrum vereist duidelijkheid over welk deel van het spectrum wordt besproken.

In 2026 bevindt de meeste klinische AI zich ergens in het midden: tools die patroonherkenning op grote datasets combineren met gestructureerde klinische logica. ChatGPT en zijn equivalenten nemen een onderscheidende positie in. Ze zijn bijzonder capabel in taaltaken, maar ze zijn niet ontworpen, getraind of gevalideerd als medische hulpmiddelen.

Hoe grote taalmodellen werken: een primer voor zorgverleners

LLM’s zoals ChatGPT genereren tekst door het statistisch meest waarschijnlijke volgende token (een woordfragment) te voorspellen op basis van patronen die zijn geleerd uit enorme hoeveelheden trainingsgegevens. Ze redeneren niet zoals een zorgverlener dat doet. Ze hebben geen toegang tot een gestructureerde kennisbank, raadplegen geen farmacopee en passen geen logische regels toe. Ze genereren reacties die taalkundig coherent en vaak feitelijk accuraat zijn, omdat accurate informatie goed vertegenwoordigd was in hun trainingsgegevens.

Dit mechanisme verschilt fundamenteel van de regelgebaseerde CDS-systemen die de meeste zorgverleners al tegenkomen in hun elektronische patiëntendossiers. Een regelgebaseerd systeem zal altijd een specifieke geneesmiddelinteractie markeren als de logica correct is gecodeerd. Een LLM kan dat wel of niet doen, afhankelijk van hoe de vraag is geformuleerd, wat er in de trainingsgegevens zat en de inherente probabilistische variabiliteit van de outputs.

Het begrijpen van dit onderscheid is klinisch belangrijk. LLM’s zijn geen opzoeksystemen met een betrouwbare index. Het zijn geavanceerde patroonherkenningsmachines die taal produceren. Hun outputs moeten dienovereenkomstig worden geëvalueerd.

Waar ChatGPT echte belofte toont in klinische workflows

Ondanks deze architectonische beperkingen groeit de bewijsbasis voor het nut van LLM’s bij specifieke klinische taken. 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.

De gebieden waar het bewijs van nut het sterkst is, zijn onder andere:

• Klinische verslaglegging: Een synthese gepubliceerd in Frontiers in Artificial Intelligence vond 40–70 procent tijdsbesparing bij klinische documentatietaken wanneer LLM’s assisteerden bij het genereren en samenvatten van verslagen.

• Ondersteuning van niet-specialisten: Een studie uit juni 2026 in NPJ Digital Medicine waarin ChatGPT-4o werd geëvalueerd op 100 echte polyneuropathiegevallen, vond dat het 65,5 procent nauwkeurigheid van de leidende diagnose behaalde, vergelijkbaar met niet-gespecialiseerde neurologen (63,0 procent), hoewel lager dan specialisten (74,0 procent). Niet-specialisten pasten hun beoordelingen in 21,8 procent van de gevallen aan na het bekijken van de suggesties van ChatGPT-4o, waardoor hun nauwkeurigheid verbeterde.

• Breedte van differentiaaldiagnose: In dezelfde polyneuropathiestudie presteerde ChatGPT-4o beter dan niet-specialisten op differentiaaldiagnoses (82,0 procent versus 77,5 procent) en adviseerde het meer geschikte bevestigingstests (68,0 procent versus 53,0 procent).

• Patiëntcommunicatie: LLM’s tonen meetbaar nut bij het opstellen van patiëntbrieven, het uitleggen van diagnoses in begrijpelijke taal en het ondersteunen van gezondheidsgeletterdheid.

• Literatuursynthese: Voor zorgverleners die snel bewijs willen beoordelen, kunnen LLM’s de identificatie en samenvatting van relevante studies versnellen, hoewel outputs altijd gecontroleerd moeten worden.

Een systematische review van LLM’s over het colorectale kankerzorgtraject, gepubliceerd in het Journal of Medical Internet Research in mei 2026, vond nut in het automatiseren van gegevensextractie uit klinische teksten, het ondersteunen van patiëntenvoorlichting en het assisteren bij klinische besluitvorming. Domeinspecifieke en multimodale modellen toonden voordelen ten opzichte van algemene modellen bij bepaalde taken.

Het nauwkeurigheidsprobleem: hallucinaties, verouderde kennis en vertrouwen zonder zekerheid

De klinisch meest significante beperking van LLM’s is hallucinatie: het genereren van plausibel klinkende maar feitelijk onjuiste informatie. Bij alledaagse taaltaken is een gehallucineerd detail een klein ongemak. In klinische contexten kan het gevaarlijk zijn.

Een analyse uit november 2025 van hallucinatierisico’s in LLM’s die in de gezondheidszorg worden ingezet vond dat gehallucineerde outputs die geloofwaardig lijken, zorgverleners kunnen leiden tot schadelijke interventies, waarbij zowel diagnostische trajecten als therapeutische keuzes worden beïnvloed. De analyse merkte op dat zelfs kleine onnauwkeurigheden het klinische risico kunnen vergroten wanneer ze aansluiten bij bestaande cognitieve vooroordelen van de zorgverlener. Het model bevestigt wat de zorgverlener al vermoedt, en de fout wordt niet uitgedaagd.

Het hallucinatieprobleem wordt verergerd door een gebrek aan vertrouwenskalibratie. Een uitgebreide evaluatie van vier LLM’s op complexe reumatologiegevallen, gepubliceerd in Health Informatics Journal in april 2026, vond dat hoewel ChatGPT-4 100 procent nauwkeurigheid van de primaire diagnose behaalde op de testgevallen (op een kleine testset), Spearman-correlatieanalyse uniform zwakke en niet-significante associaties onthulde tussen redeneringskwaliteit en uitgedrukte zekerheid over alle modellen. De modellen wisten niet betrouwbaar wanneer ze fout zaten. Ze drukten vergelijkbaar vertrouwen uit, ongeacht of hun redenering solide was.

ChatGPT vertoonde het laagste hallucinatiepercentage van de vier geteste modellen (7,4 procent), vergeleken met 18,5 procent bij Gemini. Zelfs een hallucinatiepercentage van 7,4 procent in een klinische context is geen triviaal cijfer.

Aanvullende nauwkeurigheidsbeperkingen zijn onder andere:

• Kennisafsluitingen: LLM’s zijn getraind op gegevens tot een bepaald tijdstip. Klinische richtlijnen, geneesmiddelgoedkeuringen en veiligheidswaarschuwingen die na die afsluiting zijn uitgegeven, worden niet weerspiegeld in reacties, tenzij het model toegang heeft tot live ophaaltools.

• Prestatiedegradatie in complexe gevallen: Een simulatiegebaseerde studie gepubliceerd in Healthcare (MDPI) in 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.

• Detectie van geneesmiddelinteracties: Een Europese studie gepubliceerd in Clinical Pharmacology & Therapeutics in 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, met als conclusie dat het momenteel niet kan worden aanbevolen voor deze toepassing.

Regelgevingsstatus: is ChatGPT een medisch hulpmiddel?

De regelgevingspositie van algemene LLM’s onder de EU Medical Device Regulation (MDR) is niet eenvoudig, en duidelijkheid op dit gebied is nog in ontwikkeling. De MDR definieert een medisch hulpmiddel deels door het beoogde doel. Software bedoeld voor diagnose, preventie, monitoring of behandeling van ziekte valt binnen de reikwijdte. Algemene LLM’s zoals ChatGPT worden niet op de markt gebracht met een medisch beoogd doel, wat betekent dat ze momenteel geen CE-markering als medisch hulpmiddel dragen.

Dit creëert een aanzienlijke verantwoordelijkheidskloof. Wanneer een zorgverlener een gereguleerde klinische beslissingsondersteuningstool gebruikt, is er een gevalideerde bewijsbasis, een gedefinieerd beoogd gebruik, een aansprakelijkheidskader van de fabrikant en een regelgevend audittraject. Wanneer een zorgverlener consumenten-ChatGPT gebruikt om een klinische beslissing te ondersteunen, zijn geen van die waarborgen van toepassing. Klinische verantwoordelijkheid rust volledig bij de zorgverlener.

Dit onderscheid is niet louter bureaucratisch. Het beïnvloedt of een tool is getest bij echte patiëntenpopulaties, of de outputs zijn gevalideerd tegen klinische uitkomsten en of er een mechanisme bestaat voor post-market surveillance als de tool schade veroorzaakt.

Patiëntveiligheidsrisico’s die zorgverleners niet over het hoofd mogen zien

Naast hallucinatie zijn verschillende afzonderlijke veiligheidsfaalmodi relevant voor de klinische praktijk.

Automatiseringsbias is de neiging van zorgverleners om te vertrouwen op een AI-gegenereerde suggestie, zelfs wanneer hun eigen klinische oordeel tot een andere, en mogelijk nauwkeurigere, conclusie zou hebben geleid. Dit risico is goed gedocumenteerd in de human factors-literatuur en is direct van toepassing op LLM-gebruik in klinische settings.

Prestaties bij sequentiële besluitvorming zijn aanzienlijk slechter dan bij statische vraagbeantwoording. De AgentClinic-benchmark, gepubliceerd in NPJ Digital Medicine in april 2026, vond dat de diagnostische nauwkeurigheid van LLM’s in sequentiële, interactieve klinische scenario’s kan dalen tot minder dan een tiende van de nauwkeurigheid bij equivalente statische vragen. Echte klinische ontmoetingen zijn sequentieel en dynamisch. De meeste benchmarkevaluaties zijn dat niet.

Zeldzame diagnoses vormen een bijzondere kwetsbaarheid. LLM’s zijn getraind op populatieniveaugegevens, en zeldzame aandoeningen zijn per definitie ondervertegenwoordigd. Een model dat goed presteert bij veelvoorkomende presentaties, kan slecht presteren bij het atypische of zeldzame geval dat juist het meeste baat heeft bij diagnostische ondersteuning.

Onbegeleid patiëntgebruik introduceert een aparte risicocategorie. Patiënten gebruiken nu al consumenten-LLM’s om symptomen te interpreteren, medicijnen te beoordelen en beslissingen te nemen over het zoeken van zorg. De kwaliteitscontroles die van toepassing zijn op zorgverlenergerichte tools, gelden hier niet. Het risico op schade door onbegeleid AI-gegenereerde klinische informatie is een erkend probleem in de patiëntveiligheidsliteratuur.

Een studie die vijf LLM’s evalueerde op 50 multipel myeloom klinische scenario’s, beoordeeld door drie onafhankelijke hematoloog-oncologen, concludeerde dat LLM-behandelingsaanbevelingen zorgvuldige klinische supervisie vereisen om patiëntveiligheid te waarborgen, zelfs in een gestructureerde, oncologiespecifieke evaluatiecontext.

Gegevensbeveiliging, AVG en het probleem van het invoeren van patiëntgegevens

Een compliancerisico dat zorgverleners vaak onderschatten, is het invoeren van identificeerbare patiëntgegevens in consumentgerichte LLM-tools, wat aanzienlijke gegevensbeveiligings- en privacyzorgen oproept. Onder de UK General Data Protection Regulation (AVG) en de AVG van de EU zijn patiëntgegevens bijzondere categoriegegevens die een expliciete wettelijke basis voor verwerking vereisen. Het invoeren van de naam, geboortedatum, klinische geschiedenis of testresultaten van een patiënt in een consumenten-LLM-tool betekent vrijwel zeker verwerking van persoonsgegevens door een externe verwerkingsverantwoordelijke, zonder een gegevensverwerkingsovereenkomst, zonder wettelijke basis en mogelijk met gegevensopslag in rechtsgebieden buiten het VK of de EU.

Het onderscheid tussen consumenten-ChatGPT en enterprise- of zorgspecifieke implementaties is hier wezenlijk. Enterprise-overeenkomsten met OpenAI of vergelijkbare aanbieders kunnen gegevensverwerkingsovereenkomsten omvatten, toezeggingen om inputs niet te gebruiken voor modeltraining en gedefinieerde gegevensopslag. Consumentgerichte tools bieden standaard geen van deze waarborgen.

Zorgverleners die een AI-tool in een klinische context gebruiken, moeten verifiëren:

• Of er een gegevensverwerkingsovereenkomst bestaat tussen hun organisatie en de AI-provider

• Waar patiëntgegevens worden verwerkt en opgeslagen

• Of de tool is goedgekeurd door het informatiebeheerteam van hun organisatie

• Of patiëntgegevens kunnen worden geanonimiseerd vóór invoer zonder klinisch nut te verliezen

Hoe speciaal gebouwde klinische AI verschilt van algemene LLM’s

Het verschil tussen algemene LLM’s en speciaal gebouwde klinische AI-tools zit niet alleen in het onderliggende model. Het gaat om de gehele implementatiearchitectuur.

Een benchmarkstudie gepubliceerd in NPJ Digital Medicine in december 2025 ontwikkelde de Clinical Safety-Effectiveness Dual-Track Benchmark (CSEDB) en testte zes LLM’s op 30 metrics die klinische beslissingsondersteuningsdomeinen bestrijken. Domeinspecifieke medische LLM’s toonden consistente prestatievoordelen ten opzichte van algemene modellen, met hogere topscores in zowel veiligheid (0,912 versus lagere algemene scores) als effectiviteit (0,861). De algehele prestatie over alle modellen bedroeg gemiddeld 57,2 procent, met een prestatiedaling van 13,3 procent in klinische scenario’s met hoog risico.

Speciaal gebouwde klinische AI-tools die zijn ontworpen voor gereguleerde zorgomgevingen bieden doorgaans:

• Gevalideerde outputs getest tegen klinische uitkomsten in gedefinieerde patiëntenpopulaties

• Audittrajecten die klinische governance en verantwoordelijkheid ondersteunen

• Integratie met het elektronisch patiëntendossier, zodat de tool toegang heeft tot gestructureerde patiëntgegevens zonder handmatige herinvoer

• Medisch hulpmiddelcertificering onder relevante regelgevingskaders (MDR in de EU, UKCA of MHRA-registratie in het VK)

• Gedefinieerde beoogde toepassingen die de tool beperken tot taken waarbij de prestaties zijn geëvalueerd

Het onderliggende taalmodel kan vergelijkbaar of zelfs identiek zijn aan een algemene LLM. Wat verschilt, is de governancelaag, het validatiebewijs en de regelgevende verantwoordelijkheid.

Wat het bewijs daadwerkelijk zegt: een review van klinische studies

Het gepubliceerde bewijs over LLM-prestaties in klinische taken groeit snel, maar blijft methodologisch ongelijk. Verschillende belangrijke kanttekeningen zijn van toepassing bij het interpreteren van de literatuur.

Benchmarkprestaties zijn niet gelijk aan klinisch nut in de praktijk. LLM’s hebben scores in het bereik van 80–90% behaald op medische licentie-examens zoals de USMLE, een resultaat dat veel media-aandacht kreeg. Licentie-examens testen herinnering en gestructureerde redenering op goed gedefinieerde problemen. Ze repliceren niet de dubbelzinnigheid, tijdsdruk, onvolledige informatie en sequentiële besluitvorming van echte klinische situaties.

Studiekwaliteit is variabel. De systematische review van LLM’s in colorectale kankerzorg vond dat slechts 27 procent van de opgenomen studies een laag risico op bias had, met problematische domeinen zoals uitkomstmeting, patiëntenselectie en gebrek aan geblindeerde beoordeling. Resultaten van studies met een hoger risico op bias moeten met voorzichtigheid worden geïnterpreteerd.

Evaluatiekaders zijn nog niet gestandaardiseerd. Een expertconsensus uit 2025, gepubliceerd in ScienceDirect, identificeerde gebrek aan consistente evaluatiemethodologieën als een aanzienlijke barrière voor veilige implementatie, met betrekking tot ziektescreening, diagnostische assistentie en gezondheidsbeheer. Zonder gestandaardiseerde evaluatie is het vergelijken van prestaties tussen studies lastig.

Specialismespecifieke prestaties variëren aanzienlijk. De bewijsbasis is het sterkst in gebieden met grote, goed gestructureerde trainingsdatasets, zoals veelvoorkomende presentaties in de eerstelijnszorg, oncologische stadiëring en radiologische interpretatie. Prestaties bij zeldzame ziekten, complexe multimorbiditeit en tijdgevoelige acute presentaties zijn minder goed gekarakteriseerd.

Een JAMIA-commentaar uit januari 2025 dat het potentieel van ChatGPT om CDS-logica te versterken verkende, erkende zowel de belofte als de aanzienlijke hiaten in bewijs, waarbij werd opgemerkt dat belangrijke beperkingen en gebieden voor toekomstig onderzoek onopgelost blijven.

Een kader voor zorgverleners die AI-tools voor beslissingsondersteuning evalueren

Voordat een AI-tool 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 klinische beslissingsondersteuning-tools.

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

• Is de tool geclassificeerd als een medisch hulpmiddel onder het relevante regelgevingskader?

• Zo niet, wat is het door de fabrikant aangegeven beoogde gebruik, en valt uw klinische use case daarbinnen?

Over gegevensgovernance

• Is er een gegevensverwerkingsovereenkomst tussen uw organisatie en de AI-provider?

• Waar worden patiëntgegevens verwerkt en opgeslagen?

• Is de tool goedgekeurd door de informatiebeheer- en klinische veiligheidsteams van uw organisatie?

Over klinisch toezicht

• Vereist het implementatiemodel van de tool dat zorgverleners alle outputs beoordelen voordat ze klinische beslissingen beïnvloeden?

• Is er een audittraject dat verantwoordelijkheid ondersteunt als een AI-ondersteunde beslissing later in twijfel wordt getrokken?

• Zijn zorgverleners die de tool gebruiken getraind om de specifieke faalmodi ervan te herkennen, inclusief hallucinatie en automatiseringsbias?

De ChatGPT-CARE preprint identificeerde specifieke beperkingen van basis-ChatGPT in klinische settings, waaronder het negeren van klinische praktijkrichtlijnen, gebrek aan redeneertransparantie en te algemene reacties. In-context leren en chain-of-thought prompting werden voorgesteld als mitigatiestrategieën. Deze vertegenwoordigen een ontwikkelingsrichting voor speciaal gebouwde tools, niet een oplossing die beschikbaar is in consumentenimplementaties.

De bottom line: geschikt gebruik versus ongepast vertrouwen

Het bewijs ondersteunt een genuanceerde positie. ChatGPT en vergelijkbare LLM’s kunnen de documentatielast verminderen, niet-gespecialiseerde zorgverleners ondersteunen bij het genereren van differentiaaldiagnoses en de toegankelijkheid van klinische communicatie verbeteren, met name in omgevingen met beperkte middelen of niet-gespecialiseerde settings. Dit zijn reële en meetbare voordelen.

Wat het bewijs niet ondersteunt, is autonome klinische besluitvorming door LLM’s, of het gebruik van algemene consumententools als vervanging voor gevalideerde klinische beslissingsondersteunende systemen in situaties met grote gevolgen. De Annals of Biomedical Engineering-studie over ChatGPT in CDS concludeerde dat menselijk experttoezicht essentieel blijft in alle toepassingen, een conclusie die consequent wordt herhaald in de literatuur.

De grens tussen geschikt gebruik en ongepast vertrouwen is in de praktijk niet altijd duidelijk, maar verschillende markers zijn nuttig:

• Taken met laag risico en hoog volume zoals documentatieassistentie, het opstellen van patiëntbrieven en literatuursamenvattingen zijn waar LLM’s 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 gedefinieerde beoogde toepassingen en klinisch toezicht ingebouwd in de workflow.

• Consumententools zonder enterprise-gegevensovereenkomsten mogen onder geen enkele omstandigheid worden gebruikt met identificeerbare patiëntgegevens, ongeacht de klinische taak.

Toezicht door zorgverleners is geen tijdelijke waarborg in afwachting van betere AI. Het is een structurele vereiste gezien de huidige staat van LLM-nauwkeurigheid, kalibratie en regelgevende validatie. De tools verbeteren, de bewijsbasis groeit en de regelgevingskaders evolueren. Totdat gevalideerde klinische AI-tools consistente, veilige prestaties aantonen over het volledige spectrum van klinische complexiteit, blijft de zorgverlener het essentiële controlepunt in elke AI-ondersteunde beslissing.

Veelgestelde vragen

▶ Is ChatGPT een gereguleerd medisch hulpmiddel voor klinische beslissingsondersteuning?

Nee. Algemene grote taalmodellen zoals ChatGPT worden niet op de markt gebracht met een medisch beoogd doel en dragen dus geen CE-markering als medisch hulpmiddel onder de EU Medical Device Regulation. Wanneer een zorgverlener consumenten-ChatGPT gebruikt om een klinische beslissing te ondersteunen, is er geen gevalideerde bewijsbasis, geen aansprakelijkheidskader van de fabrikant en geen regelgevend audittraject. Klinische verantwoordelijkheid rust volledig bij de zorgverlener.

▶ Voor welke klinische taken is het bewijs voor het nut van LLM’s het sterkst?

Het bewijs is het sterkst bij klinische verslaglegging, waar een synthese gepubliceerd in Frontiers in Artificial Intelligence 40–70 procent tijdsbesparing vond wanneer grote taalmodellen assisteerden bij het genereren en samenvatten van verslagen. LLM’s tonen ook meetbaar nut bij het opstellen van patiëntbrieven, het ondersteunen van niet-gespecialiseerde zorgverleners met differentiaaldiagnoses en het versnellen van literatuursamenvattingen. Diagnostische of voorschrijfbeslissingen met grote gevolgen in complexe gevallen zijn waar het bewijs het zwakst is en de risico’s het grootst zijn.

▶ Wat is hallucinatie en waarom is het belangrijk in klinische settings?

Hallucinatie is wanneer een groot taalmodel plausibel klinkende maar feitelijk onjuiste informatie genereert. In klinische contexten kan dit gevaarlijk zijn. Een analyse uit november 2025 vond dat gehallucineerde outputs die geloofwaardig lijken, zorgverleners kunnen leiden tot schadelijke interventies, vooral wanneer de onjuiste output aansluit bij een bestaand klinisch vermoeden. ChatGPT vertoonde het laagste hallucinatiepercentage van vier geteste modellen, op 7,4 procent, maar zelfs dat cijfer is niet triviaal in een klinische context.

▶ Kan ChatGPT betrouwbaar geneesmiddelinteracties detecteren?

Nee. Een Europese studie gepubliceerd in Clinical Pharmacology and Therapeutics in 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 studie concludeerde dat het momenteel niet kan worden aanbevolen voor deze toepassing. In tegenstelling tot regelgebaseerde voorschrijfsystemen, die consistente gecodeerde logica toepassen, produceren grote taalmodellen probabilistische outputs die variëren met formulering en context.

▶ Wat zijn de AVG-risico’s van het invoeren van patiëntgegevens in consumenten-LLM-tools?

Het invoeren van identificeerbare patiëntgegevens in consumentgerichte grote taalmodeltools betekent vrijwel zeker verwerking van bijzondere categoriegegevens door een externe verwerkingsverantwoordelijke, zonder een gegevensverwerkingsovereenkomst, zonder wettelijke basis en mogelijk met gegevens opgeslagen buiten het VK of de EU. Consumententools bieden geen van de waarborgen die enterprise- of zorgspecifieke implementaties kunnen omvatten. Zorgverleners moeten verifiëren of er een gegevensverwerkingsovereenkomst bestaat, waar gegevens worden verwerkt en opgeslagen, en of het informatiebeheerteam van hun organisatie de tool heeft goedgekeurd vóór gebruik.

▶ Hoe verschilt een speciaal gebouwde klinische AI-tool van algemene ChatGPT?

Het verschil zit niet alleen in het onderliggende model. Het is de gehele implementatiearchitectuur. Speciaal gebouwde klinische AI-tools bieden gevalideerde outputs getest tegen klinische uitkomsten, audittrajecten die governance en verantwoordelijkheid ondersteunen, integratie met het elektronisch patiëntendossier en medisch hulpmiddelcertificering onder relevante regelgevingskaders. Een benchmarkstudie gepubliceerd in NPJ Digital Medicine in december 2025 vond dat domeinspecifieke medische grote taalmodellen consistente prestatievoordelen toonden ten opzichte van algemene modellen, met hogere scores in zowel veiligheids- als effectiviteitsmetrics.

▶ Betekent het behalen van medische licentie-examens dat ChatGPT veilig is voor klinische beslissingsondersteuning?

Niet direct. Grote taalmodellen hebben scores in het bereik van 80–90 procent behaald op medische licentie-examens zoals de USMLE, maar licentie-examens testen herinnering en gestructureerde redenering op goed gedefinieerde problemen. Ze repliceren niet de dubbelzinnigheid, onvolledige informatie en sequentiële besluitvorming van echte klinische situaties. Een simulatiegebaseerde studie gepubliceerd in Healthcare (MDPI) in juli 2025 vond dat de betrouwbaarheid van ChatGPT aanzienlijk afnam in cardiovasculaire gevallen met comorbiditeiten, precies de patiënten die het meest voorkomen in de tweedelijnszorg.

▶ Wat is automatiseringsbias en hoe beïnvloedt het zorgverleners die AI-tools gebruiken?

Automatiseringsbias is de neiging van zorgverleners om te vertrouwen op een AI-gegenereerde suggestie, zelfs wanneer hun eigen klinische oordeel tot een andere, en mogelijk nauwkeurigere, conclusie zou hebben geleid. Dit risico is goed gedocumenteerd in de human factors-literatuur en is direct van toepassing op het gebruik van grote taalmodellen in klinische settings. Het wordt verergerd door een gebrek aan vertrouwenskalibratie in huidige modellen: een uitgebreide evaluatie gepubliceerd in Health Informatics Journal in april 2026 vond dat modellen vergelijkbaar vertrouwen uitdrukten, ongeacht of hun redenering solide was.

▶ Waar moeten zorgverleners de grens trekken tussen geschikt gebruik en ongepast vertrouwen op LLM’s?

Taken met laag risico en hoog volume zoals documentatieassistentie, het opstellen van patiëntbrieven en literatuursamenvattingen bieden het meeste voordeel 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 gedefinieerde beoogde toepassingen en klinisch toezicht ingebouwd in de workflow. Consumententools zonder enterprise-gegevensovereenkomsten mogen onder geen enkele omstandigheid worden gebruikt met identificeerbare patiëntgegevens, ongeacht de klinische taak.