Kunstmatige intelligentie (AI) wordt momenteel gezien als een wondermiddel in de moderne geneeskunde, dat belooft resultaten te verbeteren en de ervaring voor personeel en patiënten te vergemakkelijken, de werkdruk te verminderen en kosten te besparen. Maar hoewel het potentieel enorm is, is de weg van concept naar klinische waarde lang—en in de meeste zorginstellingen nog grotendeels experimenteel.
Dat is goed, het is noodzakelijk.
AI in de gezondheidszorg bevindt zich nog in een vroege fase, en de meeste ziekenhuizen hebben tijd nodig om te leren hoe ze het effectief kunnen gebruiken. Hoewel er aanzienlijke vooruitgang is geboekt in bepaalde regio's, met name op het gebied van radiologie. AIFI is een uitstekend lokaal voorbeeld.
In tegenstelling tot een laboratoriumtest of een nieuw chirurgisch apparaat, introduceert de implementatie van AI vaak nieuwe of andere workflows, verantwoordelijkheden en verwachtingen—soms zelfs nieuwe rollen. Instellingen moeten leren en experimenteren om dit goed te krijgen. We moeten elkaar de tijd geven om 'AI-klaar' te worden.
Bovendien, als we deze veranderingen niet de tijd en structuur geven die ze nodig hebben om te landen, riskeren we dezelfde fout te herhalen: digitaliseren in plaats van digitaliseren. We hebben dit eerder gezien. Gegevensbeheer en digitale klinische paden werden ooit als baanbrekend beschouwd—maar in veel gevallen digitaliseerden ze simpelweg papieren processen zonder deze opnieuw te doordenken of te verbeteren. Het resultaat? Meer klikken, niet betere zorg. Als we AI op dezelfde manier benaderen—het in oude workflows passen zonder die workflows aan te passen—missen we het doel en het potentieel.
Als er behoefte lijkt te zijn, begin met een businesscase (BC)
Dus wat moeten we doen voordat we een AI-initiatief lanceren? Voordat we een kant-en-klare oplossing kopen en implementeren of zelf beginnen met datawetenschap en alle technische vereiste taken, moet een businesscase worden beoordeeld. Een die de klinische behoefte duidelijk definieert, de huidige prestaties van zorg kwantificeert en uiteenzet hoe succes eruitziet—klinisch, operationeel en financieel.
Een effectieve businesscase moet (en we richten ons hier op AI-tools die medische apparaten ondersteunen) gebouwd zijn op:
Aangetoonde nauwkeurigheid van de huidige werkwijze: Voordat u een model implementeert, kent u uw basislijn? Wat is het huidige percentage heropnames, complicaties of vertragingen? Deze cijfers bepalen het startpunt en stellen de inzet vast.
Bewezen prestaties van de AI-tool: Nauwkeurigheid, generaliseerbaarheid en klinische relevantie. Is het model lokaal of alleen extern gevalideerd? Kan het omgaan met uw patiëntenpopulatie, uw EPD-systeem, uw workflows?
Preklinische effectbeoordeling of mini-HTA: Deze kaders—zoals het Core Model van EUnetHTA of het NASSS-framework—helpen de waarde van een innovatie vóór implementatie te beoordelen. Ze geven een vroege indicatie of een AI-oplossing waarschijnlijk meetbare waarde in uw context zal leveren.
Bewijs uit vergelijkbare klinische omgevingen: Als de tool elders is gebruikt, wat is er dan gebeurd? Heeft het geleid tot betere resultaten? Efficiëntere processen? Echte besparingen? Peer-reviewed bewijsmateriaal of praktijkvoorbeelden uit de echte wereld kunnen uw veronderstellingen versterken en helpen interne steun op te bouwen.
De businesscase is een gedeelde inspanning
Het is verleidelijk om de verantwoordelijkheid voor ROI-berekeningen aan uw leverancier over te dragen—maar weersta die drang. Natuurlijk moet elke leverancier in staat zijn u een algemeen of zelfs meer op maat gemaakt overzicht te geven. Een businesscase is alleen zo goed als zijn onderbouwing in uw eigen klinische en operationele realiteit. Dat betekent betrokkenheid van:
Klinische specialisten die het probleem begrijpen en hoe zorg wordt geleverd;
Operationele managers, die inzicht hebben in workflows, doorvoer en toewijzing van middelen;
Financiële teams, die kosten, besparingen en de impact op het budget begrijpen.
Klinische specialisten hoeven geen financiële analisten te worden, net zoals ze geen projectmanagers hoeven te worden. Maar enige basisvaardigheden in het begrijpen en beoordelen van businesscases worden essentieel voor het evalueren van gezondheidsinnovaties (in het algemeen). En net zoals bij het lezen van een klinische studie is het niet voldoende om conclusies klakkeloos over te nemen—ondervraag de aannames, de methodologie, de context.
Sla het proces niet over: hoe bouw je een businesscase
Als u zich afvraagt waar u moet beginnen, volgen hier enkele praktische stappen:
Definieer het klinische probleem: Wat probeert u precies te verbeteren? Opnames? Sepsisdetectie? Ontslagplanning?
Kaart het huidige proces en de huidige meetresultaten in kaart: Gebruik lokale gegevens om prestaties te begrijpen—verblijfsduur, complicatiepercentages, kosten per patiënt, enz.
Verduidelijk de bijdrage van de AI-tool: Wat voorspelt het model, hoe vroeg en met welke nauwkeurigheid? Hoe zou dit klinische beslissingen veranderen?
Identificeer vereiste wijzigingen in de workflow: Zullen rollen veranderen? Zullen er nieuwe waarschuwingen worden geïntroduceerd? Zullen mensen het hulpmiddel vertrouwen en gebruiken?
Schat de impact in: Gebruik een preklinische beoordeling, mini-HTA of gepubliceerde case studies om de potentiële effecten op uitkomsten, kosten en middelengebruik in te schatten.
Bereken ROI-scenario's: Beste geval, slechtste geval, meest waarschijnlijke geval. Inclusief implementatie- en trainingskosten, onderhoud en indirecte effecten.
Ken eigenaarschap en monitoring toe: Wie volgt de adoptie, de resultaten en de duurzaamheid? Hoe zal succes in de loop van de tijd worden gemeten?
Middelen die u helpen een businesscase te bouwen
Als u verder wilt gaan, zijn hier enkele geweldige startpunten:
Het Core Model van EUnetHTA: https://www.eunethta.eu
NASSS Framework (Greenhalgh et al.): Helpt bij het beoordelen van complexiteit in technologisch implementatie.
HiMSS Value STEPS Model: Een gestructureerde manier om de ROI van digitale gezondheid te beoordelen.
Healthplus.ai Implementatie Blaudruk: We gebruiken een businesscase calculator die eenvoudig kan worden afgestemd op lokale praktijken en volumes. Het is zeer transparant en biedt referenties voor iedereen om de aannames in het model te controleren en aan te passen. (Neem contact op als u een exemplaar wilt).
Laatste gedachten
AI in de geneeskunde zal niet slagen als we het gewoon in bestaande systemen pluggen en hopen op het beste. Het kost tijd, leren, en vaak een herziening van zorgverlening. Daarom is het opbouwen van een sterke, lokale businesscase niet zomaar een bureaucratische hindernis—het is het fundament voor succes. Het is het startpunt. Het biedt afstemming tussen leverancier en ziekenhuis en vormt de basis voor de (periodieke) evaluatie van succes ook.
Leveranciers zouden dit werk moeten ondersteunen—maar ze kunnen het niet alleen doen. Vraag uw leverancier om een businesscase en bekijk deze kritisch. Pas het aan op uw omgeving. Deel het met uw collega's. De toekomst van AI in de gezondheidszorg is collaboratief, en de eerste stap is begrijpen hoe waarde eruitziet.
Laten we AI niet alleen veelbelovend maken, maar bewezen.
Geschreven door:
CEO & medeoprichter
