Skip to the main content

AI-radar voor databeschikbaarheid

De AI-radar voor databeschikbaarheid laat zien waar kunstmatige intelligentie (AI) kan bijdragen aan betere databeschikbaarheid in de zorg. De radar koppelt concrete AI-toepassingen aan de stappen in het implementatiemodel van Nictiz. Zo krijg je inzicht in waar AI nu al waarde toevoegt en waar verdere ontwikkeling nodig is.

Waarom?
Vertrekpunt
AI-radar
Samen bouwen
Activiteiten
Nieuwsbrief

Waarom een AI-radar?

Nictiz werkt aan databeschikbaarheid in de zorg. Dat betekent dat gegevens veilig, eenduidig en op het juiste moment beschikbaar zijn voor zorgverleners en patiënten. AI-systemen kunnen hierbij helpen. Denk aan het automatisch vastleggen van gegevens, het extraheren van informatie uit dossiers of het ondersteunen van gegevensuitwisseling. Tegelijk roept de inzet van AI ook vragen op. Bijvoorbeeld over standaardisatie, interoperabiliteit, governance en afhankelijkheid van technologiepartijen. Daarom verkent en duidt Nictiz welke AI-toepassingen daadwerkelijk bijdragen aan databeschikbaarheid en onder welke voorwaarden ze verantwoord kunnen worden ingezet. Met de AI-radar bieden we overzicht, richting en houvast voor partijen die met AI aan de slag willen.

Het vertrekpunt: het implementatiemodel van Nictiz

De AI-radar is gebaseerd op het implementatiemodel van Nictiz. Dit model beschrijft welke stappen nodig zijn om databeschikbaarheid in de zorg te realiseren.

Databeschikbaarheid ontstaat niet in één keer. Het vraagt om samenhang in de hele keten: van het vastleggen van gegevens tot het hergebruiken ervan. De AI-radar kijkt daarom naar AI-toepassingen binnen deze stappen:

  • vastleggen
  • opslaan
  • extraheren
  • converteren
  • uitwisselen
  • ontvangen
  • verwerken
  • hergebruiken

Per stap is onderzocht hoe AI-systemen deze processen kunnen ondersteunen. Zo ontstaat inzicht waar AI kan versnellen en onder welke randvoorwaarden dat verantwoord en toekomstbestendig kan gebeuren.

 

 

Het vertrekpunt: het implementatiemodel van Nictiz

De AI-radar

De AI-radar voor databeschikbaarheid maakt zichtbaar welke AI-toepassingen relevant zijn binnen de verschillende stappen van het implementatiemodel.

Per stap laat de radar zien:

  • welke AI-toepassingen er zijn
  • waar ze waarde toevoegen
  • hoe ver de technologie ontwikkeld is

Voor deze beoordeling gebruiken we de Technology Readiness Levels (TRL). Deze methode laat zien hoe volwassen een technologie is: van experimentele concepten tot bewezen en breed inzetbare oplossingen. De radar helpt organisaties om:

  • realistische verwachtingen te vormen
  • gerichte keuzes te maken
  • te investeren in oplossingen die opschaling mogelijk maken

Download AI-radar

AI-radar voor Databeschikbaarheid
Download

Samen verder bouwen

De AI-radar biedt een eerste overzicht van hoe AI kan bijdragen aan databeschikbaarheid in de zorg. De onderliggende verkenning waarop de radar is gebaseerd, is opvraagbaar en vrij te gebruiken voor verdere verdieping, beleidsontwikkeling en samenwerking. In 2026 gaan we graag het gesprek aan met systeempartijen in de zorg, zoals:

  • zorgaanbieders
  • leveranciers
  • koepelorganisaties
  • kennisinstellingen
  • beleidsmakers

Samen verkennen we vragen zoals:

  • Waar liggen de grootste kansen voor AI?
  • Welke randvoorwaarden verdienen extra aandacht?
  • Welke gezamenlijke activiteiten kunnen databeschikbaarheid versnellen?

Om dit gesprek te ondersteunen hebben we factsheets opgesteld met de belangrijkste inzichten uit de AI-radar. Wil je meedenken, meebouwen of het gesprek starten? Neem contact met ons op en verken samen met ons hoe we de volgende stap in databeschikbaarheid kunnen zetten.

Read all Read less

Onze activiteiten

Binnen de AI-radar werken we samen met verschillende partijen aan concrete initiatieven.

AI-scribe: usability
Een praktisch hulpmiddel voor leveranciers van AI-scribe-oplossingen. Het 10-stappenplan helpt om de usability van AI-scribe binnen het EPD te verbeteren.

AI-scribe: SNOMED
Praktische testscripts voor leveranciers om SNOMED-codering goed te integreren in AI-scribe. Zo kan automatische transcriptie direct bijdragen aan eenduidige en gestandaardiseerde registratie.

Extraheren: Uitkomstgerichte Zorg en AI
Een verkenning naar hoe AI-systemen kunnen helpen bij het extraheren van relevante gegevens uit het EPD en deze te vertalen naar een UZ-uitvraag.

Vervolg Plugathon
Een vervolgtraject met leveranciers gericht op het toepassen van AI-systemen voor het extraheren van gegevens uit EPD’s op basis van FHIR-standaarden.

Reconciliatie
Een verkenning naar de inzet van AI bij reconciliatieprocessen. Hierbij worden gegevens uit verschillende bronnen vergeleken, samengevoegd en gecontroleerd om datakwaliteit en consistentie te verbeteren.

Go to top

Volg ons