Zeldzame ziekten komen individueel weinig voor, maar vormen samen een van de grootste diagnostische uitdagingen in de Europese huisartsenpraktijk. Meer dan 6.000 erkende zeldzame ziekten treffen ongeveer 30 miljoen mensen in Europa. De meeste huisartsen zullen het merendeel van deze aandoeningen slechts sporadisch of nooit tegenkomen. Toch blijft de eerstelijnszorg het eerste contactpunt voor patiënten van wie de symptomen nog geen naam hebben gekregen. De last van het eerste vermoeden rust volledig op de huisarts. Klinische beslissingsondersteuningstools zijn een vast onderdeel van die omgeving geworden, maar hoe goed ze patiënten met zeldzame ziektepresentaties bedienen, verdient zorgvuldige, op bewijs gebaseerde aandacht.

Waarom zeldzame ziekten een diagnostische blinde vlek zijn in de huisartsenpraktijk

Het structurele probleem is geen kwestie van klinische competentie. Zoals het British Journal of General Practice heeft opgemerkt, beschikken huisartsen over aanzienlijke expertise in het behandelen van multisysteemziekten, maar weinigen hebben de middelen om zeldzame aandoeningen grondig te onderzoeken. Velen geven aan zich overweldigd te voelen wanneer patiënten komen met gedetailleerde informatie over aandoeningen die de huisarts nog nooit is tegengekomen.

De gemiddelde tijd van het begin van de symptomen tot een bevestigde diagnose van een zeldzame ziekte wordt consequent geschat op vijf tot zes jaar in het VK en Europa. De helft van de patiënten krijgt onderweg minstens één verkeerde diagnose. Deze vertraging is niet primair een ziekenhuisprobleem. Het is een eerstelijnszorgprobleem.

Patiënten met zeldzame ziekten doorlopen doorgaans meerdere huisartsenconsulten voordat ze een specialist bereiken die de aandoening herkent. De diagnostische odyssee, een term die inmiddels is ingeburgerd in de literatuur over zeldzame ziekten, begint en stagneert vaak in de huisartsenpraktijk. Niet omdat huisartsen onoplettend zijn, maar omdat de cognitieve architectuur van klinische patroonherkenning is afgestemd op frequentie. Aandoeningen die een zorgverlener nooit heeft gezien, zijn per definitie moeilijker om te overwegen.

Hoe klinische beslissingsondersteuningstools worden getraind en waar dat tot hiaten leidt

Klinische beslissingsondersteuningstools genereren differentiële diagnoses op basis van trainingsgegevens en diagnostische logica die zijn gewogen naar presentaties met een hoge frequentie. Dit is een logische ontwerpkeuze: tools die zijn gebouwd om te helpen bij het breedste scala aan consulten, moeten goed presteren bij de aandoeningen die huisartsen het vaakst tegenkomen.

Het gevolg is dat zeldzame ziektepaden systematisch ondervertegenwoordigd zijn, niet vanwege opzettelijke uitsluiting, maar vanwege een datafrequentieprobleem. Aandoeningen die zelden voorkomen in trainingsdatasets genereren een zwak of afwezig signaal in op frequentie gebaseerde differentiële logica.

Een scoping review uit 2026 in het International Journal of Medical Informatics bracht de technologische benaderingen in kaart die ten grondslag liggen aan klinische beslissingsondersteuningssystemen voor de diagnose van zeldzame ziekten. Er werden vier hoofdcategorieën geïdentificeerd: informatieophaal, op fenotype gebaseerde redenering, op ontologie gebaseerde methoden en op kunstmatige intelligentie gebaseerde benaderingen. De review concludeerde dat de vertaling naar de dagelijkse klinische praktijk voor alle vier categorieën beperkt blijft. De kloof tussen onderzoekstools en tools die beschikbaar zijn op het punt van zorg is aanzienlijk.

Het SATURN-project in Duitsland ontwikkelde een klinisch beslissingsondersteuningsprototype specifiek voor de eerstelijnszorg gericht op onduidelijke en zeldzame ziektepresentaties. Kwalitatieve evaluatie toonde aan dat zelfs speciaal gebouwde tools aanzienlijke bruikbaarheidsbarrières ondervinden. Dit omvatte het onvermogen om niet-vermelde symptomen in te voeren en het ontbreken van directe gegevensimport uit praktijkbeheersystemen. Dit zijn geen kleine verfijningen, maar obstakels die bepalen of een tool überhaupt wordt gebruikt.

Wat de literatuur zegt over verkeerde diagnoses van zeldzame ziekten in de eerstelijnszorg

Het bewijs over diagnostische vertraging bij zeldzame ziekten is consistent in Europese settings. Diagnostische odysseeën van gemiddeld vier tot acht jaar worden gerapporteerd in de literatuur, hoewel schattingen variëren per aandoening en land. Sommige studies noemen specifiek vijf tot zes jaar in het VK en Europa. Deze vertragingen gaan gepaard met frequente verkeerde diagnoses en onnodige onderzoeken.

Een Delphi-consensusstudie uit 2025 gepubliceerd in Scientific Reports, waarbij 55 multidisciplinaire experts betrokken waren, identificeerde de belangrijkste redenen voor vertraging: lage prevalentie, beperkt bewustzijn onder eerstelijnszorgprofessionals, heterogene klinische presentatie en ongebruikelijke overervingspatronen.

Dezelfde consensus identificeerde de presentatiekenmerken die het meest worden geassocieerd met gemiste diagnoses van zeldzame ziekten:

• Familiegeschiedenis van onverklaarde of ernstige ziekte

• Clusters van geboorteafwijkingen of aangeboren afwijkingen

• Ongebruikelijke presentaties van verder veelvoorkomende ziekten

• Neuroontwikkelingsachterstand of onverklaarde cognitieve achteruitgang

• Ernstige pathologie die niet in verhouding staat tot de schijnbare oorzaak

Deze clusters delen een gemeenschappelijk kenmerk: elk is individueel verklaarbaar door veelvoorkomende aandoeningen, maar hun combinatie, vooral in de tijd, zou aanleiding moeten geven tot het overwegen van een differentiële diagnose van een zeldzame ziekte. Een tool die op frequentie rangschikt, zal consequent eerst de meest voorkomende verklaring bieden. Het zal de combinatie niet als ongebruikelijk markeren, tenzij het daar expliciet voor is ontworpen.

Het verschil tussen op frequentie gebaseerde en op fenotype gebaseerde beslissingsondersteuning

Het onderscheid tussen op frequentie gebaseerde en op fenotype gebaseerde differentiële logica is essentieel om te begrijpen hoe klinische beslissingsondersteuningstools presteren bij zeldzame ziektepresentaties.

Op frequentie gebaseerde tools rangschikken diagnostische suggesties op basis van populatieprevalentie. Bij een consult met vermoeidheid, gewrichtspijn en huiduitslag bij een 30-jarige, zal zo'n tool betrouwbaar anemie, virale ziekte of reactieve artritis naar voren brengen voordat systemische lupus erythematosus wordt overwogen, omdat de eerste vaker voorkomen. Dit is passend voor de meeste consulten. Het wordt een structurele beperking wanneer het symptomencluster van de patiënt feitelijk meer overeenkomt met een zeldzame aandoening.

Op fenotype gebaseerde differentiële logica hanteert een andere benadering. In plaats van te rangschikken op prevalentie, brengen deze tools de specifieke combinatie van symptomen, het fenotype, in kaart tegen ziekteprofielen, ongeacht hoe vaak die ziekten voorkomen in de algemene populatie. Deze benadering zal eerder zeldzame ziektekandidaten naar voren brengen wanneer het klinische beeld atypisch is. De Human Phenotype Ontology is de meest gebruikte gestructureerde terminologie voor dit doel. Het ondersteunt systematische fenotype-naar-ziekte-mapping voor duizenden aandoeningen.

Een studie uit 2026 in EBioMedicine evalueerde de prestaties van grote taalmodellen voor de diagnose van zeldzame ziekten in tien talen, waaronder Engels, Frans, Duits, Nederlands, Spaans en Italiaans. Er werden 4.917 klinische vignetten gebruikt die waren gestructureerd met Human Phenotype Ontology-gegevens. GPT-4o plaatste de juiste diagnose van een zeldzame ziekte binnen de top drie gerangschikte differentiëlen in 27 procent van de gevallen in het Engels, met vergelijkbare prestaties in andere Europese talen. Een nauwkeurigheid van 27 procent in de top drie is niet voldoende voor zelfstandig klinisch vertrouwen, maar het laat wel zien dat op fenotype gestructureerde prompting zeldzame diagnoses naar voren kan brengen die op frequentie gebaseerde logica niet zou doen.

Hoe toonaangevende Europese klinische beslissingsondersteuningstools zeldzame ziekten dekken

Het landschap van klinische beslissingsondersteuningstools die beschikbaar zijn in de Europese huisartsenpraktijk is divers. De dekking van zeldzame ziekten varieert aanzienlijk.

Orphanet, de Europese referentiedatabase voor zeldzame ziekten, biedt de meest uitgebreide gestructureerde bron voor nomenclatuur van zeldzame ziekten, prevalentiegegevens en klinische beschrijvingen. Tools die Orphanet-gegevens integreren, of koppelen aan OMIM (Online Mendelian Inheritance in Man), hebben een structureel voordeel bij het naar voren brengen van kandidaten voor zeldzame ziekten. Integratie van deze databases in tools die zijn ingebed in medische dossiersystemen voor de eerstelijnszorg blijft echter wisselend.

DxGPT, een op GPT-4 gebaseerde tool die specifiek is ontwikkeld voor de diagnose van zeldzame ziekten, genereert een gerangschikte, beredeneerde top-vijf differentiële diagnose die bedoeld is om cognitieve vooroordelen in complexe gevallen tegen te gaan. Het is geëvalueerd in Britse en Spaanse klinische contexten.

Tools zoals Ada Health worden momenteel geëvalueerd in een kwaliteitsverbeteringsstudie in het CUF Hospital Network in Portugal. Het studieprotocol merkt op dat het potentieel heeft om gebruikers te ondersteunen bij zeldzame ziektegevallen, waar tijdige diagnose een aanzienlijke uitdaging blijft.

DeepRare, beschreven in een recent Nature-artikel, vertegenwoordigt de huidige onderzoeksgrens. Het is een multi-agentsysteem dat meer dan 40 gespecialiseerde tools en kennisbronnen integreert. Het verwerkt vrije-tekstbeschrijvingen, gestructureerde Human Phenotype Ontology-termen en genetische resultaten om gerangschikte diagnostische hypothesen te genereren met transparante redenering. Bij op Human Phenotype Ontology gebaseerde taken behaalde het sterke prestatiemetrieken en overtrof het vergelijkbare methoden. Experts waren het in een meerderheid van de gevallen eens met de redeneringsketen. DeepRare is nog niet ingebed in routinematige huisartsenworkflows, maar het illustreert het prestatieplafond dat op fenotype gebaseerde, kennisgeïntegreerde benaderingen kunnen bereiken.

De kloof tussen onderzoekstools zoals DeepRare en de tools die beschikbaar zijn in een typische Europese huisartsenpraktijk blijft aanzienlijk. Het integreren van eerstelijnszorggegevens in Duitsland bijvoorbeeld, blijft uitdagend vanwege landspecifieke terminologieën en heterogene gegevensstructuren. Dit beperkt het vermogen van zelfs goed ontworpen klinische beslissingsondersteuningsprototypes om te functioneren in echte eerstelijnszorgsettings.

Rode vlag-symptoomclusters die beslissingsondersteuningstools vaak missen

De Argo Delphi-consensus stelde een reeks klinische rode vlaggen vast die verdenking op een zeldzame ziekte in de eerstelijnszorg zouden moeten triggeren. Dit zijn de patronen die op frequentie gebaseerde tools het meest waarschijnlijk laag rangschikken of volledig weglaten:

• Multisysteembetrokkenheid bij een jonge patiënt, vooral wanneer symptomen cardiovasculaire, neurologische en musculoskeletale domeinen beslaan zonder een overkoepelende veelvoorkomende diagnose

• Onverklaarde vermoeidheid met atypische comorbiditeiten, vooral wanneer standaardonderzoeken geen afwijkingen laten zien en het klinische beeld niet evolueert naar een erkende veelvoorkomende diagnose

• Terugkerende presentaties zonder convergentie, oftewel meerdere consulten voor gerelateerde of overlappende symptomen die niet uitmonden in een duidelijke diagnostische categorie

• Onevenredige ernst, waarbij het klinische verloop ernstiger is dan verwacht bij de schijnbare diagnose

• Positieve familiegeschiedenis van onverklaarde ernstige ziekte, vooral bij aandoeningen met autosomaal recessieve of X-gebonden overervingspatronen die mogelijk niet direct duidelijk zijn

Deze clusters delen een gemeenschappelijk kenmerk: elk is individueel verklaarbaar door veelvoorkomende aandoeningen, maar hun combinatie, vooral in de tijd, zou aanleiding moeten geven tot het overwegen van een differentiële diagnose van een zeldzame ziekte. Een tool die op frequentie rangschikt, zal consequent eerst de meest voorkomende verklaring bieden. Het zal de combinatie niet als ongebruikelijk markeren, tenzij het daar expliciet voor is ontworpen.

Hoe te herkennen wanneer de differentiaal van een tool waarschijnlijk onvolledig is

Het herkennen van de grenzen van de differentiaal van een klinische beslissingsondersteuningstool in real-time is op zichzelf een klinische vaardigheid. Verschillende signalen zouden een huisarts ertoe moeten aanzetten om de output van een tool met extra scepsis te beoordelen:

• De leeftijd van de patiënt en de chroniciteit van de symptomen passen niet bij de aangeboden veelvoorkomende differentiëlen. Als een tool een diagnose suggereert die statistisch onwaarschijnlijk is gezien de leeftijd van de patiënt, de duur van de symptomen of eerdere onderzoeksresultaten, kan de differentiaal te veel op frequentie zijn gebaseerd in plaats van op passendheid.

• Eerdere onderzoeken zijn zonder afwijkingen geweest. Wanneer standaardonderzoeken voor de voorgestelde diagnoses normale resultaten opleveren, is de differentiaal niet bevestigd. Het is simpelweg niet uitgesloten. Dat is niet hetzelfde als een diagnose.

• De presentatie beslaat meerdere orgaansystemen. Enkelsysteem-beslissingsondersteuningstools, of tools die voornamelijk zijn getraind op gegevens uit één specialisme, zijn structureel minder geschikt om diagnoses naar voren te brengen die multisysteem-patroonherkenning vereisen.

• De tool geeft een suggestie met hoog vertrouwen voor een veelvoorkomende aandoening ondanks een slechte klinische match. Hoog vertrouwen in een op frequentie gebaseerde tool weerspiegelt prevalentie, niet de kwaliteit van de match. Toolvertrouwen is geen diagnostische bevestiging.

• De patiënt is meerdere keren gezien voor dezelfde of gerelateerde symptomen. Chroniciteit en herhaling zouden de drempel moeten verlagen voor het overwegen van een zeldzame ziekte, zelfs wanneer elk individueel consult lijkt te passen bij een veelvoorkomende verklaring.

Toolstilte over een diagnose is niet hetzelfde als het uitsluiten ervan. Een klinisch beslissingsondersteuningssysteem dat een aandoening niet vermeldt in zijn differentiaal, heeft het niet uitgesloten. Het heeft simpelweg niet voldoende signaal gegenereerd om het naar voren te brengen. Voor zeldzame ziekten is dat precies het probleem dat deze tools het minst goed kunnen oplossen.

De rol van specialistische netwerken en Europese registers voor zeldzame ziekten

Waar klinische beslissingsondersteuningstools hun grenzen bereiken, biedt de Europese infrastructuur gestructureerde paden voor escalatie. De Europese Referentienetwerken, 24 thematische netwerken die gespecialiseerde centra in EU-lidstaten verbinden, bestaan om deskundige input te bieden over zeldzame en complexe aandoeningen. Europese Referentienetwerken dekken onder meer neurologische ziekten, bindweefselaandoeningen, immuundeficiënties en metabole aandoeningen.

Huisartsen kunnen in passende gevallen contact opnemen via nationale centra voor zeldzame ziekten of via Advice and Guidance-paden om toegang te krijgen tot specialistische meningen zonder een formele verwijzing te hoeven doen.

Nationale registers voor zeldzame ziekten, waar deze bestaan, bieden epidemiologische gegevens die een klinische presentatie kunnen duiden, vooral voor aandoeningen met bekende geografische of etnische clustering. ERDERA, het Europese partnerschap voor onderzoek naar zeldzame ziekten dat in 2024 is gelanceerd onder Horizon Europe met een budget van circa €380 miljoen tot 2031, is mede bedoeld om deze data-infrastructuur te versterken.

Orphanet blijft het meest toegankelijke referentiepunt voor huisartsen die informatie zoeken over een specifieke vermoede zeldzame aandoening. Het biedt ziektesamenvattingen, prevalentieschattingen, diagnostische criteria en links naar gespecialiseerde centra. Geen van deze bronnen vereist een abonnement of specialistische toegang.

Hoe goede dekking van zeldzame ziekten eruitziet in een klinische beslissingsondersteuningstool

Voor huisartsen en inkoopverantwoordelijken die klinische beslissingsondersteuningstools evalueren, is zeldzame ziektecapaciteit geen binaire eigenschap. Het bestaat op een spectrum. De volgende criteria bieden een praktisch kader voor beoordeling:

• Integratie met gevalideerde databases voor zeldzame ziekten. Maakt de tool gebruik van Orphanet, Online Mendelian Inheritance in Man of gelijkwaardige gestructureerde kennisbronnen voor zeldzame ziekten? Zo niet, dan is de differentiële logica voor zeldzame ziekten waarschijnlijk beperkt tot aandoeningen die voorkomen in algemene klinische trainingsgegevens.

• Op fenotype gebaseerde differentiële logica. Brengt de tool symptoomcombinaties in kaart tegen ziekteprofielen, of rangschikt het puur op populatieprevalentie? Het eerste is vereist voor betrouwbare prestaties bij zeldzame ziekten.

• Transparantie over de reikwijdte van trainingsgegevens. Kan de tool of de documentatie specificeren welke ziektecategorieën worden gedekt en welke niet? Een tool die deze vraag niet kan beantwoorden, kan niet worden beoordeeld op geschiktheid voor het doel.

• Duidelijke escalatieprompts. Geeft de tool aan wanneer een symptomencluster buiten het vertrouwde bereik valt, of wanneer een verwijzing voor zeldzame ziekten moet worden overwogen? Waarschuwingen met hoge opbrengst en laag volume die naadloos zijn geïntegreerd in de dagelijkse workflow worden in de literatuur gezien als de ontwerpstandaard voor effectieve klinische ondersteuning bij zeldzame ziekten.

• Meertalige consistentie. Voor tools die worden gebruikt in Europese zorgsystemen, moeten prestaties worden geëvalueerd in de relevante klinische taal, en niet worden verondersteld gelijk te zijn aan prestaties in het Engels.

Geen enkele momenteel beschikbare tool voldoet volledig aan al deze criteria. De niet-algoritmische barrières voor implementatie, waaronder het ontbreken van implementatiekaders en het falen van biologische modellen om de complexiteit van de echte klinische wereld te vangen, blijven aanzienlijk. De kloof tussen onderzoeksprestaties en routinematig klinisch nut is een erkende beperking in het hele veld.

De rol van de zorgverlener wanneer beslissingsondersteuning zijn grenzen bereikt

Klinische beslissingsondersteuningstools zijn hulpmiddelen voor besluitvorming. Bij zeldzame ziektepresentaties is dit onderscheid belangrijker dan in bijna elke andere klinische context. Een tool die goed presteert bij de meest voorkomende presentaties kan minder goed functioneren bij de zeldzaamste. Zeldzame ziekten treffen collectief miljoenen patiënten in Europa.

Het British Journal of General Practice beschrijft huisartsen als deskundigen in het behandelen van multisysteemziekten, een expertise die geen enkele huidige klinische beslissingsondersteuningstool kan evenaren. Longitudinale kennis van een patiënt, vertrouwdheid met het verloop van hun symptomen in de tijd, en het klinische instinct dat iets niet past bij een veelvoorkomende diagnose zijn geen eigenschappen die kunnen worden gecodeerd in een differentieel rangschikkingsalgoritme. Ze zijn het resultaat van een langdurige klinische relatie en ervaren patroonherkenning.

Onderwijs, verhoogd bewustzijn en het gebruik van technologie worden in de Delphi-consensus genoemd als aanvullende middelen voor eerdere diagnose van zeldzame ziekten, niet als alternatieven voor klinisch oordeel, maar als ondersteuning daarvan. Begrijpen wat een klinische beslissingsondersteuningstool wel en niet kan, is geen technische vraag, maar een klinische competentie. Bij zeldzame ziektepresentaties is het misschien wel de belangrijkste die een huisarts meebrengt naar het consult.

Veelgestelde vragen

▶ Waarom duurt de diagnose van zeldzame ziekten zo lang in de eerstelijnszorg?

De gemiddelde tijd van het begin van de symptomen tot een bevestigde diagnose van een zeldzame ziekte is vijf tot zes jaar in het VK en Europa. De helft van de patiënten krijgt onderweg minstens één verkeerde diagnose. De vertraging is niet primair een ziekenhuisprobleem. Patiënten met zeldzame ziekten doorlopen doorgaans meerdere huisartsenconsulten voordat ze een specialist bereiken die de aandoening herkent. De kernmoeilijkheid is dat klinische patroonherkenning is afgestemd op frequentie. Aandoeningen die een zorgverlener nooit heeft gezien, zijn moeilijker om te overwegen, zelfs wanneer de klinische signalen over meerdere bezoeken aanwezig zijn.

▶ Waarom missen klinische beslissingsondersteuningstools diagnoses van zeldzame ziekten?

De meeste klinische beslissingsondersteuningstools rangschikken diagnostische suggesties op basis van populatieprevalentie. Zeldzame aandoeningen zijn systematisch ondervertegenwoordigd in trainingsgegevens, niet vanwege opzettelijke uitsluiting, maar vanwege een datafrequentieprobleem. Aandoeningen die zelden voorkomen in trainingsdatasets genereren een zwak of afwezig signaal in op frequentie gebaseerde differentiële logica. Een scoping review uit 2026 in het International Journal of Medical Informatics bevestigde dat de vertaling van beslissingsondersteuning voor zeldzame ziekten naar de dagelijkse klinische praktijk beperkt blijft voor alle vier de belangrijkste technologische benaderingen.

▶ Wat is het verschil tussen op frequentie gebaseerde en op fenotype gebaseerde klinische beslissingsondersteuning?

Op frequentie gebaseerde tools rangschikken diagnostische suggesties op basis van hoe vaak een aandoening voorkomt in de algemene populatie. Op fenotype gebaseerde tools hanteren een andere benadering: ze brengen de specifieke combinatie van symptomen in kaart tegen ziekteprofielen, ongeacht hoe vaak die ziekten voorkomen. Dit maakt op fenotype gebaseerde tools meer geneigd om kandidaten voor zeldzame ziekten naar voren te brengen wanneer het klinische beeld atypisch is. De Human Phenotype Ontology is de meest gebruikte gestructureerde terminologie voor dit doel. Het ondersteunt systematische fenotype-naar-ziekte-mapping voor duizenden aandoeningen.

▶ Hoe nauwkeurig identificeren grote taalmodellen zeldzame ziekten?

Een studie uit 2026 in EBioMedicine evalueerde de prestaties van grote taalmodellen voor de diagnose van zeldzame ziekten in tien talen met behulp van 4.917 klinische vignetten gestructureerd met Human Phenotype Ontology-gegevens. GPT-4o plaatste de juiste diagnose van een zeldzame ziekte binnen de top drie gerangschikte differentiëlen in 27 procent van de gevallen in het Engels, met vergelijkbare prestaties in andere Europese talen. Dat cijfer is niet voldoende voor zelfstandig klinisch vertrouwen, maar het laat wel zien dat op fenotype gestructureerde prompting zeldzame diagnoses naar voren kan brengen die op frequentie gebaseerde logica niet zou doen.

▶ Welke rode vlag-symptoomclusters zouden verdenking op een zeldzame ziekte moeten triggeren in de huisartsenpraktijk?

Een Delphi-consensusstudie uit 2025 identificeerde verschillende klinische patronen die het meest worden geassocieerd met gemiste diagnoses van zeldzame ziekten: multisysteembetrokkenheid bij een jonge patiënt, onverklaarde vermoeidheid met atypische comorbiditeiten waarbij standaardonderzoeken geen afwijkingen laten zien, terugkerende presentaties die niet uitmonden in een duidelijke diagnostische categorie, onevenredige ernst ten opzichte van de schijnbare diagnose, en een positieve familiegeschiedenis van onverklaarde ernstige ziekte. Elk cluster is individueel verklaarbaar door veelvoorkomende aandoeningen, maar hun combinatie in de tijd zou aanleiding moeten geven tot het overwegen van een differentiële diagnose van een zeldzame ziekte.

▶ Hoe kan een huisarts zien wanneer de differentiaal van een klinische beslissingsondersteuningstool waarschijnlijk onvolledig is?

Verschillende signalen zouden aanleiding moeten geven tot extra scepsis over de output van een tool. Dit zijn onder andere een voorgestelde diagnose die niet past bij de leeftijd of symptoomchroniciteit van de patiënt, eerdere onderzoeken die geen afwijkingen laten zien, een presentatie die meerdere orgaansystemen beslaat, hoog toolvertrouwen voor een veelvoorkomende aandoening ondanks een slechte klinische match, en een patiënt die meerdere keren is gezien voor dezelfde of gerelateerde symptomen. Toolstilte over een diagnose is niet hetzelfde als het uitsluiten ervan. Een klinisch beslissingsondersteuningssysteem dat een aandoening niet vermeldt, heeft het niet uitgesloten.

▶ Welke Europese bronnen bestaan om huisartsen te ondersteunen wanneer klinische beslissingsondersteuning zijn grenzen bereikt?

De Europese Referentienetwerken, 24 thematische netwerken die gespecialiseerde centra in EU-lidstaten verbinden, bieden deskundige input over zeldzame en complexe aandoeningen en dekken onder meer neurologische ziekten, bindweefselaandoeningen, immuundeficiënties en metabole aandoeningen. Huisartsen kunnen contact opnemen via nationale centra voor zeldzame ziekten of via Advice and Guidance-paden zonder een formele verwijzing. Orphanet, de Europese referentiedatabase voor zeldzame ziekten, biedt ziektesamenvattingen, prevalentieschattingen, diagnostische criteria en links naar gespecialiseerde centra. Hiervoor is geen abonnement of specialistische toegang nodig.

▶ Waar moeten huisartsen en inkoopverantwoordelijken op letten bij het evalueren van de zeldzame ziektecapaciteit van een klinische beslissingsondersteuningstool?

Zeldzame ziektecapaciteit in een klinische beslissingsondersteuningstool bestaat op een spectrum in plaats van als een binaire eigenschap. Belangrijke criteria zijn onder meer integratie met gevalideerde databases voor zeldzame ziekten zoals Orphanet of Online Mendelian Inheritance in Man, op fenotype gebaseerde differentiële logica in plaats van puur op prevalentie gebaseerde rangschikking, transparantie over de reikwijdte van trainingsgegevens, duidelijke escalatieprompts wanneer een symptomencluster buiten het vertrouwde bereik van de tool valt, en consistente prestaties in de relevante klinische taal voor tools die worden gebruikt in Europese zorgsystemen. Geen enkele momenteel beschikbare tool voldoet volledig aan al deze criteria.

▶ Wat is DeepRare en hoe verschilt het van tools die beschikbaar zijn in de routinematige huisartsenpraktijk?

DeepRare, beschreven in een recent Nature-artikel, is een multi-agentsysteem dat meer dan 40 gespecialiseerde tools en kennisbronnen integreert. Het verwerkt vrije-tekstbeschrijvingen, gestructureerde Human Phenotype Ontology-termen en genetische resultaten om gerangschikte diagnostische hypothesen te genereren met transparante redenering. Bij op Human Phenotype Ontology gebaseerde taken behaalde het sterke prestatiemetrieken. Experts waren het in een meerderheid van de gevallen eens met de redeneringsketen. DeepRare is nog niet ingebed in routinematige huisartsenworkflows, maar het illustreert het prestatieplafond dat op fenotype gebaseerde, kennisgeïntegreerde benaderingen kunnen bereiken.

▶ Welke rol speelt klinisch oordeel wanneer beslissingsondersteuningstools tekortschieten bij zeldzame ziektepresentaties?

Klinische beslissingsondersteuningstools zijn hulpmiddelen, geen vervanging voor klinisch oordeel. Bij zeldzame ziektepresentaties zijn longitudinale kennis van een patiënt, vertrouwdheid met het verloop van hun symptomen in de tijd, en het klinisch aanvoelen dat iets niet past bij een veelvoorkomende diagnose geen eigenschappen die een differentieel rangschikkingsalgoritme kan nabootsen. Een Delphi-consensus uit 2025 noemt onderwijs, verhoogd bewustzijn en het gebruik van technologie als aanvullende ondersteuning voor eerdere diagnose van zeldzame ziekten, niet als alternatieven voor klinisch oordeel. Begrijpen wat een klinische beslissingsondersteuningstool wel en niet kan, is op zichzelf een klinische competentie.