Diagnostische fouten behoren tot de meest ingrijpende en minst zichtbare problemen in de huisartsenzorg. Europese huisartsen behandelen een breed scala aan ongedifferentieerde klachten, vaak binnen beperkte consulttijden en met beperkte toegang tot specialistisch advies ter plaatse. Het resultaat is een situatie waarin diagnostische fouten zowel begrijpelijk als aanzienlijk zijn. Schattingen lopen uiteen, maar sommige onderzoeken suggereren dat een substantieel deel van de diagnostische fouten in de huisartsenzorg voorkomen zou kunnen worden met geavanceerde beslissingsondersteunende systemen. Tegen deze achtergrond hebben klinische beslissingsondersteunende tools aan belangstelling gewonnen. Het bewijs is echter genuanceerder dan leveranciers doorgaans beweren.

Wat klinische beslissingsondersteunende tools daadwerkelijk doen tijdens een huisartsenconsult

Klinische beslissingsondersteuning (CDS) is geen enkele technologie. In de huisartsenzorg omvat het een breed scala aan functies: differentiaaldiagnostische prompts die aandoeningen naar voren brengen die een zorgverlener mogelijk niet heeft overwogen, rode-vlagwaarschuwingen die wijzen op mogelijke ernstige pathologie, controles op geneesmiddelinteracties, richtlijnen voor het voorschrijven van antibiotica, calculators voor cardiovasculaire risicostratificatie en hulpmiddelen voor verwijzingsbeslissingen.

Een belangrijk onderscheid is het verschil tussen passieve en actieve CDS. Passieve systemen werken op de achtergrond, controleren recepten op interacties en markeren afwijkende resultaten zonder de consultflow te onderbreken. Actieve systemen grijpen in realtime in en bieden suggesties tijdens het klinische consult zelf.

Deze twee modi leveren verschillende bewijsprofielen, verschillende implementatie-uitdagingen en verschillende risico's op. De LINNEAUS meta-review over geautomatiseerde diagnostische beslissingsondersteunende systemen in de huisartsenzorg stelde vast dat diepe integratie met het patiëntendossiersysteem en het activeren van ondersteuning op geschikte momenten in de cognitieve workflow voorwaarden zijn voor effectiviteit. Deze bevinding geldt veel meer voor actieve dan voor passieve systemen.

Meer recentelijk zijn tools op basis van grote taalmodellen (LLM's, large language models) in beeld gekomen. Grote taalmodellen kunnen patiëntgeschiedenis, huidige symptomen en klinische context samenbrengen om gerangschikte differentiaaldiagnoses te genereren of vervolgstappen voor te stellen. Dit betekent een kwalitatieve verschuiving ten opzichte van op regels gebaseerde waarschuwingen, maar roept ook nieuwe vragen op over betrouwbaarheid, kalibratie en vertrouwen van zorgverleners.

Hoe onderzoekers vermindering van diagnostische fouten meten

Voordat we evalueren wat het bewijs laat zien, is het de moeite waard te begrijpen waarom het meten van vermindering van diagnostische fouten methodologisch lastig is. Huisartsen moeten gepubliceerde effectgroottes met zorg interpreteren.

Diagnostische fouten worden doorgaans achteraf vastgesteld. Een gemiste diagnose wordt pas duidelijk wanneer een patiënt achteruitgaat, terugkomt met verergerende symptomen of een andere diagnose krijgt van een specialist. Dit maakt prospectieve meting lastig.

De meeste onderzoeken vertrouwen daarom op proxy-uitkomsten: passende verwijzingspercentages, tijd tot diagnose, geschiktheid van antibioticavoorschriften of patronen in het aanvragen van laboratoriumtests. Dit zijn legitieme maten voor klinische processen, maar ze zijn niet hetzelfde als bevestigde verminderingen in patiëntschade door gemiste diagnoses.

Onderzoeksopzetten variëren ook sterk. Gerandomiseerde gecontroleerde onderzoeken (RCT's) zijn in dit veld zeldzaam en lastig uit te voeren. Zorgverleners kunnen niet eenvoudig geblindeerd worden voor het wel of niet gebruiken van een CDS-tool, en clusterrandomisatie introduceert eigen verstorende factoren. Observationele studies en auditgegevens domineren de literatuur, wat causale gevolgtrekkingen beperkt.

Een scoping review uit 2021 in het International Journal of Environmental Research and Public Health concludeerde dat hoewel is aangetoond dat CDS-tools de kwaliteit van zorg in verschillende medische settings verbeteren, hun bruikbaarheid specifiek in het diagnostische domein onduidelijk blijft. De LINNEAUS meta-review screende 1.970 studies en vond er slechts 12 geschikt voor inclusie. De bewijsbasis is dun, niet omdat CDS-tools per se falen, maar omdat de onderzoeksinfrastructuur om ze grondig te evalueren in de huisartsenzorg achterloopt bij hun implementatie.

Waar het bewijs het sterkst is: specifieke aandoeningen en gebruikssituaties

Ondanks deze methodologische kanttekeningen zijn er domeinen waar CDS-tools in de huisartsenzorg een consistent en geloofwaardig effect laten zien.

De geschiktheid van het aanvragen van laboratoriumtests is een van de meest grondig bestudeerde gebieden. De ELMO cluster-gerandomiseerde trial, uitgevoerd in de Belgische huisartsenzorg door KU Leuven en Universiteit Gent, vond dat een CDS-systeem met ordersets voor 17 veelvoorkomende indicaties de geschiktheid verbeterde en het aantal laboratoriumtestaanvragen verminderde, terwijl het niet onderdeed voor gebruikelijke zorg wat betreft de incidentie van diagnostische fouten. Dit is een hoogwaardige Europese RCT die daadwerkelijk geruststelling biedt over veiligheid, ook al toont het geen actieve foutvermindering aan.

Cardiovasculaire risicostratificatie is een ander gebied waar gestructureerde CDS-tools meetbare procesverbetering hebben laten zien, vooral omdat de beslissingstaak goed gedefinieerd en berekenbaar is. Evenzo is aangetoond dat de geschiktheid van antibioticavoorschriften, een belangrijk aandachtspunt in de Europese huisartsenzorg, verbetert met CDS-prompts in meerdere studies, hoewel het effect eerder gedragsmatig dan strikt diagnostisch is.

Beoordeling van hartritme is een opkomend gebied. Een Frans huisartsenonderzoek naar AI-ondersteunde elektrocardiogram (ECG)-interpretatie vond dat 72 procent van de huisartsen aangaf dat ze ECG's vaker zouden gebruiken als AI beschikbaar zou zijn voor interpretatie, en dat AI een diagnostische nauwkeurigheid in ECG-analyse liet zien die gelijkwaardig is aan die van cardiologen. Opvallend is dat 57 procent van de respondenten AI zag als een diagnostisch hulpmiddel in plaats van een autonoom systeem, een benadering die weerspiegelt hoe de meeste zorgverleners CDS-tools in de praktijk gebruiken.

Collectieve diagnostische redenering biedt een aanvullend perspectief. Een studie uit 2024 in Medical Decision Making toonde aan dat het combineren van onafhankelijke huisartsendiagnoses de diagnostische nauwkeurigheid aanzienlijk verbetert, en dat het combineren van deze aanpak met een beslissingsondersteunend systeem verdere verbeteringen opleverde. De meerderheidsmethode, waarbij alle onafhankelijke diagnoses gelijk worden gewogen, presteerde duidelijk beter dan de gemiddelde individuele huisarts, waarbij het effect toenam naarmate de groep groter werd.

Misschien wel het meest opvallende praktijkbewijs komt van een studie uit 2025 door Korom et al., uitgevoerd in samenwerking met Penda Health over 39.849 patiëntenbezoeken bij 15 klinieken in Nairobi. Zorgverleners die een op LLM gebaseerde AI Consult-tool gebruikten, maakten 16 procent minder diagnostische fouten en 13 procent minder behandelfouten vergeleken met degenen zonder toegang. In absolute termen werd geschat dat de tool diagnostische fouten in 22.000 bezoeken en behandelfouten in 29.000 bezoeken jaarlijks bij dat enkele gezondheidsnetwerk zou voorkomen. Alle respondenten van de zorgverlenersenquête zeiden dat AI Consult de kwaliteit van de zorg die ze leverden verbeterde, waarbij 75 procent het effect als substantieel omschreef.

Waar het bewijs zwak, inconsistent of ontbrekend is

De bevindingen van Penda Health zijn opvallend, maar vragen om zorgvuldige duiding. Er bestaat ook een direct tegengesteld resultaat uit een onderzoek van hogere kwaliteit.

Een pragmatische cluster-gerandomiseerde trial testte ChatGPT-4o-ondersteunde klinische beslissingsondersteuning in Keniaanse eerstelijnsvoorzieningen en vond dat dit de 14-daagse behandelfalen niet significant verminderde ten opzichte van gebruikelijke zorg. Dit is het meest robuuste onderzoeksontwerp dat beschikbaar is, een peer-reviewed RCT, en het ontbreken van effect op een harde klinische uitkomst is een belangrijk tegenwicht tegen het observationele bewijs uit de Penda-studie.

De twee studies zijn niet per se in tegenspraak (ze maten verschillende uitkomsten, in verschillende settings, met verschillende tools), maar samen illustreren ze dat het bewijs niet eenduidig positief is.

Meer in het algemeen vond de kwalitatieve studie uit 2025 onder huisartsen dat hoewel talrijke studies verbeteringen hebben aangetoond in procesgerelateerde uitkomsten zoals verhoogde screeningspercentages en minder incomplete aanvragen, minder studies patiëntuitkomsten hebben geëvalueerd en gerapporteerd. Deze kloof tussen procesverbetering en aantoonbaar patiëntvoordeel is een terugkerend thema in de literatuur.

Waarschuwingsmoeheid is een goed gedocumenteerd mechanisme waardoor werkzaamheid die in gecontroleerde settings is aangetoond, niet vertaalt naar effectiviteit in de praktijk. Wanneer CDS-systemen veel waarschuwingen met lage specificiteit genereren, leren zorgverleners deze automatisch te negeren. Het percentage genegeerde waarschuwingen wordt een plafond voor elk potentieel voordeel, en in sommige settings kan het netto-effect op klinisch redeneren zelfs negatief zijn.

Er zijn ook aanzienlijke hiaten per aandoening en specialisme. Voor veel van de ongedifferentieerde klachten die de huisartsenpraktijk kenmerken (vermoeidheid, buikpijn en musculoskeletale symptomen), is er weinig of geen peer-reviewed bewijs dat CDS-tools het aantal diagnostische fouten verminderen. De aandoeningen waar het bewijs het sterkst is (cardiovasculair risico, antibioticavoorschriften, laboratoriumaanvragen) zijn juist die waarbij de diagnostische taak het meest gestructureerd en berekenbaar is. De complexe, cognitief veeleisende klachten die centraal staan in het werk van huisartsen blijven grotendeels onbestudeerd.

De Europese huisartsencontext: waarom setting ertoe doet

Een aanzienlijk deel van de bewijsbasis voor CDS-tools in de huisartsenzorg is afkomstig uit Amerikaanse zorgsystemen of ziekenhuissettings, en geen van beide vertaalt zich direct naar de Europese huisartsenpraktijk.

In de Verenigde Staten werkt de huisartsenzorg met andere patiëntendossiersystemen, verschillende prikkels, andere documentatienormen en andere patiëntenpanelgroottes. Ziekenhuisgebaseerde studies gaan doorgaans over meer acute, beter afgebakende diagnostische vragen dan de chronische, multimorbide en ongedifferentieerde klachten die Europese huisartsenconsulten domineren.

Studies uitgevoerd in omgevingen met minder middelen, waaronder de Penda Health-studie in Kenia en de Nature Medicine-trial, betreffen klinische situaties die wezenlijk verschillen van NHS- of Scandinavische huisartsenzorg wat betreft basisdiagnostische infrastructuur, consultduur en toegang tot verwijzingsmogelijkheden.

De ELMO-trial uit België blijft een van de weinige hoogwaardige Europese RCT's die specifiek in de huisartsenzorg zijn uitgevoerd, en de focus op laboratoriumaanvragen in plaats van diagnostische nauwkeurigheid als zodanig beperkt wat hieruit kan worden afgeleid. De LINNEAUS meta-review, een Europese samenwerking, riep op tot meer gestandaardiseerde, berekenbare benaderingen van kennisrepresentatie en diepere integratie met patiëntendossiersystemen, waarbij werd opgemerkt dat geen van beide voorwaarden consequent werd vervuld in de beoordeelde studies. Die observatie, gemaakt in 2016, is in het decennium sindsdien niet volledig opgepakt.

Consultduur doet er ook toe. Een huisarts die werkt met consulten van tien minuten heeft andere beperkingen dan een zorgverlener in een onderzoekssetting met meer tijd om met een CDS-interface te werken. Tools die aanvullende gegevensinvoer vereisen, of die suggesties geven op een punt in de workflow wanneer de klinische beslissing feitelijk al is genomen, zullen waarschijnlijk geen uitkomsten veranderen, ongeacht hun onderliggende nauwkeurigheid.

Het menselijke-factorenprobleem: wanneer CDS-tools worden genegeerd of verkeerd gebruikt

De effectiviteit van elke CDS-tool wordt bepaald door of en hoe zorgverleners deze gebruiken. De kwalitatieve studie uit 2025 onder huisartsen identificeerde aanzienlijke barrières voor adoptie: weerstand van zorgverleners, organisatorische goedkeuringsprocessen, gebrek aan infrastructuur en onvoldoende bewijs van effectiviteit dat aan eindgebruikers wordt gecommuniceerd. Zorgverleners benadrukten dat tools moeten integreren met bestaande patiëntendossiersystemen en een gebruiksvriendelijke interface moeten hebben, eisen die in de praktijk vaak niet worden waargemaakt.

Automatiseringsbias, de neiging om te veel te vertrouwen op algoritmische suggesties en het eigen klinisch oordeel te onderschatten, is een bekend risico dat tegengesteld is aan waarschuwingsmoeheid. Waar waarschuwingsmoeheid leidt tot ondergebruik, leidt automatiseringsbias tot onkritisch overgebruik. Beide zijn implementatiefouten in plaats van inherente eigenschappen van de tools, maar beide worden consequent waargenomen in de praktijk.

Het Frontiers in Medicine-kaderpaper over het verminderen van misdiagnoses in AI-gedreven diagnostiek concludeert dat een gecoördineerde, multidimensionale aanpak essentieel is, waarbij robuuste technische controles, duidelijke ethische richtlijnen en heldere verantwoordelijkheidsstructuren worden geïntegreerd. Dit is geen kritiek op een specifieke tool, maar weerspiegelt de bredere bevinding dat implementatiecontext en governance minstens zo belangrijk zijn als de onderliggende technologie.

Een scoping review uit 2025 over AI in poliklinische huisartsenzorg vond dat de meeste studies zich nog in de ontwikkelingsfase bevinden, met minimale implementatie in de praktijk buiten ambient scribing en klinische beslissingsondersteuning. Van 3.203 gescreende manuscripten rapporteerden slechts acht klinische trialresultaten. De kloof tussen gepubliceerde modellen en geïmplementeerde, geëvalueerde systemen blijft groot.

Hoe goed bewijs er daadwerkelijk uit zou zien

Gezien de hierboven beschreven methodologische beperkingen is het de moeite waard om specifiek te zijn over welk onderzoeksontwerp een huisarts redelijk vertrouwen zou geven dat een CDS-tool diagnostische fouten in zijn of haar praktijk vermindert.

De minimale geloofwaardige bewijsbasis zou het volgende omvatten:

• Prospectief ontwerp: uitkomsten gemeten voor en na implementatie van de tool in vergelijkbare populaties, bij voorkeur met randomisatie op praktijk- of clusterniveau

• Europese huisartsenpopulaties: geen Amerikaanse zorgsystemen, geen ziekenhuissettings, geen omgevingen met minder middelen en afwijkende basisinfrastructuur

• Bevestigde diagnostische uitkomsten: geen proxymaten zoals verwijzingspercentages of testaanvraagpatronen, maar geverifieerde diagnostische nauwkeurigheid op basis van follow-upgegevens

• Onafhankelijke validatie: resultaten niet gefinancierd of uitsluitend uitgevoerd door de ontwikkelaar van de tool

• Gerapporteerde genegeerde waarschuwingen en waarschuwingsmoeheidgegevens: om te bevestigen dat de tool daadwerkelijk werd gebruikt zoals de studie veronderstelt

• Voldoende follow-up: diagnostische fouten worden vaak pas weken of maanden na het indexconsult zichtbaar. Korte uitkomstvensters missen een substantieel deel van de relevante gebeurtenissen

De geautomatiseerde methode voor het detecteren van diagnostische discrepanties, gevalideerd in Zwitserse spoedeisende hulpafdelingen, die AUC-waarden (area under the curve) van 0,94 tot 0,95 behaalde als screeningtool voor diagnostische fouten, biedt één model voor hoe retrospectieve foutidentificatie op schaal zou kunnen worden toegepast. Het inzetten van vergelijkbare methoden op huisartsenauditgegevens zou de bewijsbasis aanzienlijk kunnen versterken, hoewel dit vooralsnog een onderzoeksleemte is en geen gevestigde praktijk.

Wat huisartsen redelijkerwijs kunnen verwachten van klinische beslissingsondersteuning vandaag

De eerlijke samenvatting van het huidige bewijs is deze: CDS-tools kunnen specifieke, goed gedefinieerde klinische processen in de huisartsenzorg verbeteren, zoals laboratoriumtestaanvragen, antibioticavoorschriften, cardiovasculaire risicostratificatie en mogelijk hartritmebeoordeling. In die domeinen is het bewijs geloofwaardig en, in sommige gevallen, afkomstig uit hoogwaardige Europese RCT's.

Wat het bewijs nog niet aantoont, is dat CDS-tools het algehele aantal diagnostische fouten in de algemene Europese huisartsenzorg verminderen. De studies die de grootste effecten laten zien (zoals de Penda Health observationele studie) zijn uitgevoerd in andere zorgcontexten en gebruiken proxy- of zelfgerapporteerde uitkomsten. De hoogwaardige RCT die beschikbaar is (de Nature Medicine cluster-gerandomiseerde trial) vond geen significante vermindering in harde klinische uitkomsten. De belangrijkste systematische reviews identificeren slechts een handvol studies die aan kwaliteitscriteria voldoen, en pleiten voor meer rigoureuze methodologie.

Voor huisartsen die overwegen een CDS-tool te adopteren of te bepleiten, zijn de volgende vragen de moeite waard om aan elke leverancier of implementatieteam te stellen:

• Wat is de bewijsbasis, en is deze gegenereerd in een Europese huisartsensetting?

• Werden uitkomsten gemeten op patiëntniveau, of alleen op procesniveau?

• Wat zijn de percentages genegeerde waarschuwingen in de praktijk, en hoe wordt waarschuwingsmoeheid gemonitord?

• Hoe integreert de tool met het bestaande patiëntendossiersysteem, en op welk moment in de consultworkflow grijpt deze in?

• Is de tool onafhankelijk gevalideerd, of komen de ondersteunende studies voornamelijk van de ontwikkelaar?

• Is de tool geclassificeerd als medisch hulpmiddel onder het relevante regelgevingskader, en welke post-market surveillance is aanwezig?

CDS-tools zijn niet zonder waarde in de huisartsenzorg. Het bewijs voor specifieke toepassingen is reëel. Maar de bewering dat ze diagnostische fouten breed verminderen, over het volledige scala aan klachten dat een huisarts tegenkomt, wordt nog niet ondersteund door het beschikbare bewijs. Ze behandelen als gerichte hulpmiddelen voor goed gedefinieerde taken, in plaats van als algemene oplossingen voor diagnostische onzekerheid, weerspiegelt wat het onderzoek daadwerkelijk laat zien.

Veelgestelde vragen

▶ Verminderen klinische beslissingsondersteunende tools daadwerkelijk diagnostische fouten in de huisartsenpraktijk?

Het bewijs is gemengd. Sommige studies laten meetbare verbeteringen zien in specifieke klinische processen, zoals laboratoriumtestaanvragen en antibioticavoorschriften, maar geen enkele hoogwaardige Europese gerandomiseerde gecontroleerde trial heeft tot nu toe een brede vermindering in diagnostische fouten aangetoond over het volledige scala aan klachten dat een huisarts tegenkomt. De meest robuuste RCT die beschikbaar is, een cluster-gerandomiseerde trial van ChatGPT-4o-ondersteunde beslissingsondersteuning in Keniaanse huisartsenzorg, vond geen significante vermindering in harde klinische uitkomsten. Het bewijs ondersteunt het gebruik van deze tools als gerichte hulpmiddelen voor goed gedefinieerde taken, niet als algemene oplossingen voor diagnostische onzekerheid.

▶ Wat is het verschil tussen passieve en actieve klinische beslissingsondersteuning?

Passieve klinische beslissingsondersteunende (CDS) systemen werken op de achtergrond, controleren recepten op geneesmiddelinteracties of markeren afwijkende resultaten zonder het consult te onderbreken. Actieve systemen grijpen in realtime in tijdens het klinische consult en bieden differentiaaldiagnostische prompts of rode-vlagwaarschuwingen. De twee modi leveren verschillende bewijsprofielen en implementatie-uitdagingen op. Onderzoek suggereert dat diepe integratie met het patiëntendossiersysteem en het activeren van ondersteuning op het juiste moment in de cognitieve workflow van de zorgverlener voorwaarden zijn voor effectieve actieve CDS.

▶ Welke klinische gebieden hebben het sterkste bewijs voor beslissingsondersteunende tools in de huisartsenzorg?

Het sterkste bewijs betreft de geschiktheid van laboratoriumtestaanvragen, antibioticavoorschriften en cardiovasculaire risicostratificatie. De ELMO cluster-gerandomiseerde trial, uitgevoerd in de Belgische huisartsenzorg, vond dat een CDS-systeem de geschiktheid van laboratoriumtestaanvragen verbeterde en niet onderdeed voor gebruikelijke zorg wat betreft de incidentie van diagnostische fouten. Hartritmebeoordeling is een opkomend gebied: een Frans huisartsenonderzoek vond dat AI-ondersteunde ECG-interpretatie een diagnostische nauwkeurigheid liet zien die gelijkwaardig is aan die van cardiologen, en 72 procent van de huisartsen gaf aan ECG's vaker te zullen gebruiken als AI-interpretatie beschikbaar zou zijn.

▶ Waarom is het zo moeilijk om te meten of klinische beslissingsondersteuning diagnostische fouten vermindert?

Diagnostische fouten worden doorgaans achteraf vastgesteld en worden pas duidelijk wanneer een patiënt achteruitgaat of later een andere diagnose krijgt. Dit maakt prospectieve meting lastig. De meeste studies vertrouwen op proxy-uitkomsten zoals verwijzingspercentages of testaanvraagpatronen in plaats van bevestigde verminderingen in patiëntschade. Gerandomiseerde gecontroleerde onderzoeken zijn zeldzaam omdat zorgverleners niet geblindeerd kunnen worden voor het gebruik van een CDS-tool. De LINNEAUS meta-review screende 1.970 studies en vond er slechts 12 geschikt voor inclusie, wat laat zien hoe beperkt de bewijsbasis is.

▶ Wat is waarschuwingsmoeheid, en hoe beïnvloedt het de effectiviteit van deze tools in de praktijk?

Waarschuwingsmoeheid treedt op wanneer CDS-systemen veel waarschuwingen met lage specificiteit genereren en zorgverleners leren deze automatisch te negeren. Het percentage genegeerde waarschuwingen wordt een plafond voor elk potentieel voordeel. In sommige settings kan het netto-effect op klinisch redeneren zelfs negatief zijn. Dit is het tegenovergestelde van automatiseringsbias, de neiging om te veel te vertrouwen op algoritmische suggesties en het eigen klinisch oordeel te onderschatten. Beide zijn implementatiefouten en geen inherente gebreken van de tools, maar beide worden consequent waargenomen in de praktijk.

▶ Is bewijs uit Amerikaanse of Afrikaanse zorgsystemen van toepassing op de Europese huisartsenpraktijk?

Niet direct. Een aanzienlijk deel van de CDS-bewijsbasis komt uit Amerikaanse zorgsystemen of ziekenhuissettings, die andere patiëntendossiersystemen, prikkels en patiëntenpanelgroottes kennen. Studies uit omgevingen met minder middelen, zoals de Penda Health-studie in Kenia, betreffen klinische situaties die wezenlijk verschillen van NHS- of Scandinavische huisartsenzorg wat betreft basisdiagnostische infrastructuur, consultduur en toegang tot verwijzingsmogelijkheden. De ELMO-trial uit België blijft een van de weinige hoogwaardige Europese RCT's die specifiek in de huisartsenzorg zijn uitgevoerd.

▶ Welke vragen moet een huisarts stellen voordat een klinische beslissingsondersteunende tool wordt geadopteerd?

Het is verstandig te vragen of het bewijs is gegenereerd in een Europese huisartsensetting, en of uitkomsten werden gemeten op patiëntniveau of alleen op procesniveau. Vraag ook naar de percentages genegeerde waarschuwingen in de praktijk, hoe de tool integreert met het bestaande patiëntendossiersysteem en op welk moment in de consultworkflow deze ingrijpt. Controleer of de tool onafhankelijk is gevalideerd, in plaats van uitsluitend door de ontwikkelaar onderzocht, en of deze is geclassificeerd als medisch hulpmiddel onder het relevante regelgevingskader.

▶ Hoe zou goed bewijs voor vermindering van diagnostische fouten in de huisartsenzorg er daadwerkelijk uitzien?

Geloofwaardig bewijs zou een prospectief ontwerp vereisen met randomisatie op praktijk- of clusterniveau, uitgevoerd in Europese huisartsenpopulaties in plaats van ziekenhuis- of omgevingen met minder middelen. Uitkomsten zouden geverifieerde diagnostische nauwkeurigheid op basis van follow-upgegevens moeten zijn, niet proxymaten zoals verwijzingspercentages. De studies zouden onafhankelijke validatie moeten hebben, gerapporteerde percentages genegeerde waarschuwingen om te bevestigen dat de tool daadwerkelijk werd gebruikt zoals verondersteld, en voldoende follow-uptijd, aangezien diagnostische fouten zich vaak pas weken of maanden na het indexconsult manifesteren.

▶ Wat vond de Penda Health-studie, en hoe moeten de resultaten worden geïnterpreteerd?

Een studie uit 2025 door Korom et al., uitgevoerd over 39.849 patiëntenbezoeken bij 15 klinieken in Nairobi, vond dat zorgverleners die een op LLM gebaseerde AI Consult-tool gebruikten 16 procent minder diagnostische fouten en 13 procent minder behandelfouten maakten dan degenen zonder toegang. Alle respondenten van de zorgverlenersenquête zeiden dat de tool de kwaliteit van de zorg die ze leverden verbeterde. De studie is echter observationeel en niet gerandomiseerd, en werd uitgevoerd in een klinische omgeving die wezenlijk verschilt van de Europese huisartsenpraktijk. Er bestaat een direct tegengesteld resultaat uit een RCT van hogere kwaliteit in een vergelijkbare setting, die geen significante vermindering in harde klinische uitkomsten vond.