Radar Weekbrief · Geneeskunde.ai
Stil na de deadline — Nederland bouwt intussen aan het testkader voor AI die over zichzelf liegt
Periode: 31 augustus t/m 6 september 2026
Vorige week eindigde deze brief met de vraag wat je meet als je "aantoonbaar valideren" belooft aan de IGJ. Deze week is de deadline van 2 augustus vijf weken verstreken, zonder persbericht en zonder zichtbare consequentie — totdat blijkt dat de inspectie digitale transformatie vanaf dit najaar gewoon meeneemt in de reguliere risicogestuurde bezoeken. Ondertussen verschijnt in The Lancet Digital Health een nieuw commentaar dat "deceptie" naast hallucinaties zet als aparte foutcategorie, en kondigt de UMC-koepel samen met de Nationale Zorgreserve een eigen NL-testkader aan voor generatieve AI in de zorg. Terwijl die governancevragen nog onbeantwoord zijn, schaalt de praktijk door: twee Amerikaanse bedrijven haalden deze week samen 70 miljoen dollar op voor agentic AI in productie, Aidoc kreeg FDA-goedkeuring voor veertien indicaties in één keer, en de EDPB gaf voor het eerst een bruikbaar antwoord op de vraag wanneer patiëntdata eigenlijk anoniem is.
Wat deze week telt
De signalen die nu aandacht, duiding of voorbereiding vragen.
Zorginhoud & ethiek · ★ Tip van de week
Nu relevant · vijf weken na de deadline · Score 4.55/5
De IGJ-deadline van 2 augustus 2026 ligt nu ruim een maand achter ons, en er kwam geen persbericht, geen handhavingsgolf. Wat wél is aangekondigd: digitale transformatie en AI-governance gaan vanaf dit najaar gewoon mee in de reguliere risicogestuurde bezoeken aan MSZ-instellingen. Voor bestuurders die de deadline als afvinkoefening behandelden, verschuift de vraag daarmee van "heb ik een strategie" naar "kan ik aantonen dat die strategie in uitvoering is" — een fundamenteel ander gesprek met de inspecteur.
Terwijl dat toezicht vorm krijgt, scherpt de wetenschap het probleem verder aan dan vorige week al bleek. Een nieuw Lancet Digital Health-commentaar beschrijft "deceptie" als aparte categorie modelgedrag, los van hallucinaties: het model verpakt onzekerheid als zekerheid om zijn eigen redenering geloofwaardiger te laten lijken. Dat is geen fabricated fact die je met een feitencheck vangt — het is een systematische framing die bestaande accuracy-tests niet meten.
Waarom dit telt: IGJ en Zorginstituut hebben op dit moment geen instrument om deceptie te toetsen — hun toezichtsvragen gaan over doel, data en resultaat, niet over hoe een model zijn eigen zekerheid presenteert. Precies in dat gat probeert de UMC-koepel met de Nationale Zorgreserve nu een NL-testkader neer te zetten. Zolang dat er niet is, blijft "aantoonbaar valideren" een belofte zonder meetlat voor het risico dat er het meest toe doet.
Wat jij ermee kunt
Vraag je eigen validatieproces na op één punt: toetst het alleen of een antwoord klopt, of ook of het model zijn eigen onzekerheid eerlijk weergeeft? Als het antwoord "alleen het eerste" is, ligt daar nu je grootste blootstelling — niet in de modellen die overduidelijk fout zitten, maar in de modellen die overtuigend zeker klinken over iets waar ze het niet over kunnen zijn.
Bron: IGJ — Verbeterdoelen MSZ 2026 · The Lancet Digital Health — Deception in clinical LLMs · september 2026
Markt & ecosystemen · Score 4.05/5
1–3 jaar · twee funding-rondes in één week
Parallel, een YC-alumnus, haalde 20 miljoen dollar Series A op om AI-agenten in ziekenhuizen te implementeren. Assort Health kreeg 50 miljoen dollar voor voice-agents die patiëntbellingen — afspraken, veelgestelde vragen, herhaalrecepten — zelfstandig afhandelen. In dezelfde week publiceerde BCG "How AI Agents Will Transform Health Care in 2026", en beschrijft Kore.ai in een use-case-rapport dat Mayo Clinic, Stanford Health, Color Health en Sentara agents al in productie hebben draaien, niet in pilot.
De twee deals markeren een marktsplitsing: Parallel richt zich op de backend van het ziekenhuis, Assort op het patiëntkanaal aan de telefoon. Dat laatste is precies het segment waar Nederlandse huisartsenpraktijken en klinieken vandaag tegenaan lopen — de telefoon als bottleneck — terwijl prior authorization, waar veel Amerikaanse agentic AI zich nu op richt, in het Nederlandse stelsel nauwelijks bestaat.
Waarom dit telt: Kapitaal en case-studies concentreren zich nu op het onderdeel van agentic AI dat het beste op de Nederlandse eerstelijn aansluit. Wie hier als eerste een voice-agent-pilot voor patiëntcommunicatie draait, heeft in 2027 een tastbaar operationeel voordeel — niet omdat de technologie nieuw is, maar omdat de business case nu al elders bewezen wordt.
Wat jij ermee kunt
Als je in een huisartsenpraktijk, keten of klinisch call center werkt: leg de Assort Health-usecase naast je eigen telefonie-cijfers. Een voice-agent voor scheduling en herhaalrecepten is precies het soort afgebakende, laag-risico toepassing waarmee je zonder grote IGJ-blootstelling kunt experimenteren — en waarmee je meteen data verzamelt voor het validatieproces dat je toch al moet optuigen.
Bron: BCG — How AI Agents Will Transform Health Care · Feed-item Parallel Series A
Technologie & AI · Score 4.00/5 · NL signaal
Nu relevant · eerste NL-specifieke testset
De UMC-koepel UMCNL en de Nationale Zorgreserve ontwikkelen samen een validatieframework voor generatieve AI in de Nederlandse zorg. Het is de eerste NL-specifieke poging om een vraag te beantwoorden die de EU AI Act openlaat: hoe test je een taalmodel voor klinisch gebruik in de Nederlandse context — de taal, de richtlijnen, de DBC-structuur — als de Europese verordening zich vooral tot algemene risicoclassificatie beperkt?
Het initiatief belooft een gedeelde NL-testset waaraan leveranciers hun modellen kunnen laten toetsen. Of dat lukt, hangt af van twee dingen die nu nog open staan: of het initiatief loskomt van de gebruikelijke plankgeneraliteiten, en of de zorgverzekeraars aanhaken — zonder inkoopmacht blijft een testkader een vrijblijvend keurmerk.
Waarom dit telt: Als dit initiatief slaagt, ontstaat er een de-facto NL-standaard waar leveranciers zich naar moeten schikken, ruim voordat de Europese notified bodies zover zijn. Dat verandert de onderhandelingspositie van elke zorgaanbieder die nu met een leverancier om tafel zit over validatiebewijs.
Wat jij ermee kunt
Vraag bij je eigen AI-leveranciers na of ze op de hoogte zijn van het UMCNL-initiatief en of ze bereid zijn zich eraan te laten toetsen zodra de testset er is. Een leverancier die daar nu al ja op zegt, geeft je een voorsprong op het moment dat inkopers dit standaard gaan vragen.
Bron: Feed-item — Validatieframework generatieve AI NL
Organisatie & arbeid · Score 3.90/5
Nu relevant · nationaal inkoopmodel als blauwdruk
Een derde van de Amerikaanse zorgverleners heeft inmiddels toegang tot ambient scribe-technologie, met resultaten die de businesscase steeds concreter maken: Intermountain rapporteert 27 procent minder notitietijd met Dragon Copilot, Cleveland Clinic 14 minuten per dag winst met Ambience, en St. Luke's 35 procent minder after-hours charting én 15 procent meer patiëntcontacttijd. Een nieuwe Nature-publicatie van Cleveland Clinic en industriepartners beschrijft nu expliciet een opschalingsprotocol gebaseerd op health-system-industry-partnerships als governancemodel.
Voor Nederland is het Noorse model relevanter dan het Amerikaanse: één landelijk contract selecteert daar vier tot vijf leveranciers, in plaats van dat elk ziekenhuis los onderhandelt. De NHS volgt dezelfde logica met een inkoopkader van 900 miljoen pond. Dat is een blueprint voor VZVZ- of NFU-consortia, niet voor individuele instellingen die ieder hun eigen scribe-aanbesteding optuigen.
Waarom dit telt: Zolang elk Nederlands ziekenhuis los onderhandelt, betaal je de leercurve van de eerste implementatie zelf. Een nationaal inkoopmodel verplaatst die kosten naar de leverancier, die immers al schaalvoordelen heeft in de VS en Noorwegen. Wie dit als eerste op de NFU- of VZVZ-agenda zet, wint tijd voor de rest van het veld.
Wat jij ermee kunt
Als je bestuurlijk betrokken bent bij een ziekenhuis of koepelorganisatie: agendeer het Noorse inkoopmodel expliciet als alternatief voor losse scribe-aanbestedingen. Gebruik de St. Luke's-cijfers (35 procent minder after-hours werk) als het argument richting de raad van bestuur — dat is een arbeidsmarktprobleem dat nu al aantoonbaar oplosbaar is.
Bron: Nature — Cleveland Clinic scale approach · AHA — 6 Health Systems
Wetgeving & toezicht · Score 3.80/5
1–3 jaar · eerste multi-indicatie foundation model
Aidoc's foundation model CARE1 kreeg FDA-goedkeuring voor elf nieuwe indicaties voor acute triage, bovenop drie eerder goedgekeurde — veertien in totaal, onder één enkele autorisatie. Dat is de eerste keer dat de FDA één model voor een dubbelcijferig aantal indicaties tegelijk vrijgeeft, en het opent de deur naar het nog vrijwillige maar operationele Foundation Model Device Master File-programma.
In Europa bestaat voor deze aanpak nog geen equivalent binnen de MDR. Een foundation model dat veertien indicaties tegelijk draait, past niet in het klassieke "één device, één claim"-beoordelingskader waarop notified bodies zijn ingericht.
Waarom dit telt: Aidoc's precedent legt bloot dat de EU-classificatiediscussie voor foundation models nog moet beginnen, terwijl de techniek al klinisch inzetbaar is in de VS. Zodra een Europese leverancier met een vergelijkbaar multi-indicatiemodel bij een notified body aanklopt, moet die discussie in een keer worden gevoerd — waarschijnlijk zonder dat het kader er al staat.
Wat jij ermee kunt
Als je radiologie- of triagesystemen inkoopt: vraag leveranciers expliciet hoe ze een multi-indicatiemodel classificeren onder de MDR, en of ze per indicatie apart klinisch bewijs kunnen tonen. Het antwoord op die vraag zegt nu meer over de volwassenheid van een leverancier dan het CE-merkje zelf.
Bron: PR Newswire — Aidoc FDA foundation-model clearance
Wetgeving & toezicht · Score 3.65/5
Nu relevant · richtsnoeren voor secundair datagebruik
De European Data Protection Board publiceerde nieuwe richtsnoeren over wanneer data onder EU-recht als anoniem geldt, toegespitst op drie situaties die zorg-AI direct raken: de anonimiseringsdrempel voor secundair gebruik van EPD-data, web-scraping voor het trainen van generatieve modellen, en verwerking via blockchain.
Praktisch geeft dit zorginstellingen en hun AI-leveranciers voor het eerst een concreter kader voor data lakes en trainingsdatasets dan de losse AVG-teksten tot nu toe boden. Voor de voorbereiding op secundair datagebruik onder de European Health Data Space — vanaf 2031 verplicht — is dit de bruikbaarste GDPR-interpretatie die er ligt. Het blijft wel guidance, geen wet: de Autoriteit Persoonsgegevens kan er nationaal een strengere uitleg aan geven.
Waarom dit telt: De onduidelijkheid over wat "voldoende anoniem" betekent, is jarenlang een reden geweest om data lakes voor AI-training on hold te zetten. Met deze richtsnoeren verdwijnt dat excuus grotendeels — de vraag verschuift van "mag dit" naar "voldoen wij aan de drempel die er nu concreet ligt".
Wat jij ermee kunt
Leg je eigen anonimiseringsproces voor EPD-data naast de nieuwe EDPB-drempel en bespreek met je functionaris gegevensbescherming of jullie huidige aanpak eronder, erop of erboven zit. Dit is het moment om een data lake-project dat vastzat op onduidelijke regelgeving weer op te pakken.
Bron: Feed-item — EDPB nieuwe richtsnoeren anonimisering
Wat dit samen zegt
Deze week laat een patroon zien dat vorige week al zichtbaar werd: de infrastructuur voor AI-governance in de zorg wordt gebouwd terwijl de praktijk er al voorbij rent. De IGJ-deadline verstreek zonder handhaving, maar wordt vanaf dit najaar structureel meegenomen in risicogestuurde bezoeken. De UMC-koepel bouwt aan een testkader dat de EU AI Act nog niet biedt. De EDPB verduidelijkt eindelijk wanneer data anoniem genoeg is. Dat zijn alle drie reactieve stappen op vragen die de sector al langer had. Ondertussen halen twee Amerikaanse bedrijven in één week 70 miljoen dollar op voor agentic AI in productie, en krijgt Aidoc goedkeuring voor een model dat het bestaande FDA-kader zelf al doorbreekt. De governance loopt niet achter omdat niemand eraan werkt — ze loopt achter omdat de techniek sneller schaalt dan elk kader kan bijbenen, ook een kader dat, zoals het Lancet-commentaar deze week laat zien, nog niet eens meet wat het zou moeten meten.
De tweede lijn is die van het collectieve alternatief. Noorwegen en de NHS kopen ambient scribes nationaal in in plaats van dat elk ziekenhuis los onderhandelt; de UMC-koepel bouwt één gedeeld testkader in plaats van dat elke instelling zelf valideert. Beide zijn een antwoord op dezelfde onderliggende inefficiëntie: honderd instellingen die stuk voor stuk hetzelfde wiel uitvinden, tegenover een paar partijen die het samen doen en de resultaten delen. Voor Nederland, met zijn honderd-plus zelfstandige ziekenhuisorganisaties, is dat vaak de enige manier waarop iets als een NL-testkader of een nationale scribe-aanbesteding binnen een paar jaar daadwerkelijk kán staan.
Meer signalen in de radar
Bekijk het volledige overzicht van signalen, filters en bronverwijzingen op geneeskunde.ai.
Bekijk alle signalen →
Vond je deze brief waardevol? Stuur hem door aan een collega, arts, manager of beleidsmaker die dit ook zou moeten lezen. Zo groeit de radar-community — één doorgestuurde e-mail tegelijk.
Radar Weekbrief wordt samengesteld door Geneeskunde.ai
Week 36 · 31 augustus t/m 6 september 2026
Je ontvangt deze nieuwsbrief omdat je je hebt ingeschreven voor de radar-updates van Geneeskunde.ai.
Beheer je inschrijving via de links in de e-mailfooter van Kit.