Exposanten login
AI Insider 02 september 2026

ICT&health: Europees AI-project voor betere hartzorg

ICT&health: Europees AI-project voor betere hartzorg

Een Europees consortium heeft de ontwikkeling van een nieuwe software op basis van kunstmatige intelligentie (AI) ingezet, die CT-scans van het hart kan analyseren. Dit project richt zich op het leveren van snellere en nauwkeurigere zorg aan patiënten die klachten hebben van pijn op de borst. De tests worden uitgevoerd in verschillende ziekenhuizen door heel Europa, waaronder in Nederland, en zijn in overeenstemming met de AVG en de Europese AI-verordening.

De AI-systemen zijn in staat om beelden van CT-angiografie te beoordelen en het risico op vernauwingen in de kransslagaders te schatten. Door het gebruik van een algoritme dat patronen in data herkent, kan de software bijvoorbeeld kalk en plaque kwantificeren. Artsen ontvangen vervolgens een score of een advies naast hun eigen bevindingen. Dit systeem biedt geen automatisering van diagnoses, maar fungeert als ondersteuning voor artsen, met als doel het verkorten van doorlooptijden en het verminderen van onnodige onderzoeken.

De evaluatie van de software vindt plaats binnen echte zorgpaden. Cardiologen en radiologen vergelijken de zorgresultaten met en zonder het AI-algoritme, door parameters zoals tijd tot uitslag en het aantal doorverwijzingen naar het cathlab te meten. Tegelijkertijd worden privacyoverwegingen gerespecteerd, met inachtneming van de AVG-eisen; medische beelden worden geanonimiseerd of gepseudonimiseerd voor onderzoek en testdoeleinden.

Met de invoering van de Europese AI-verordening, die medische diagnosemodellen in hoge-risicoklasse plaatst, komen er nieuwe eisen aan risicobeheer en datakwaliteit. De druk op cardiologische zorg in Nederland maakt het belangrijk dat AI-gestuurde systemen spoediger kunnen worden geïmplementeerd. Dit kan helpen om wachttijden voor beeldvorming te verminderen en patiënten sneller te voorzien van de juiste zorg. Ondanks deze vooruitgang blijven factoren zoals variatie in beeldkwaliteit en bias in trainingsdata belangrijke aandachtspunten, die voortdurende monitoring en kwaliteitscontrole vereisen.

Lees het volledige artikel van AI Insider.