Inconsistentie van data remt AI in ziekenhuizen
AI in ziekenhuizen kan alleen betrouwbaar werken als brondata uniform zijn, stelt de Nederlandse Vereniging van Ziekenhuizen (NVZ). In de praktijk verschillen registraties van diagnosen en medische handelingen nog weleens per instelling. Dat maakt datasets inhoudelijk moeilijk vergelijkbaar en kan adoptie van AI in de weg staan.
Vanaf juli 2026 verandert de internationale medische codestandaard SNOMED CT, een nomenclatuur voor het eenduidig vastleggen en delen van klinische informatie. Beschrijvingen mogen dan groeien van 255 naar 4.096 tekens. Ziekenhuizen en leveranciers moeten daarom databases, velddefinities en interfaces in elektronische patiëntendossiers aanpassen. Anders leidt truncatie tot fouten bij uitwisseling en verwerking van data.
Adoptie van termenlijsten loopt sterk uiteen
Artsen voeren meestal niet rechtstreeks SNOMED-codes in, maar gebruiken termenlijsten zoals de Diagnosethesaurus voor diagnosen en de Verrichtingenthesaurus voor medische handelingen.
De beide termenlijsten vertalen invoer naar uniforme codes, zodat data later herbruikbaar zijn voor analyses, rapportages, financiering en AI. Beheer en updates van deze lijsten liggen bij Nictiz, de landelijke organisatie voor standaardisatie van zorgdata.
De invoering van de termenlijsten loopt sterk uiteen. De Diagnosethesaurus heeft al breder ingang gevonden, maar de Verrichtingenthesaurus werd in 2024 door slechts 19 ziekenhuizen gebruikt.
Impact voor data en AI
Voor BI- en datateams betekent dit dat interoperabiliteit niet alleen een technisch, maar ook een semantisch probleem is. Systemen kunnen data uitwisselen, maar definities verschillen nog steeds. Volgens NVZ beperkt dit de inzet van AI: algoritmen werken alleen betrouwbaar als brondata consistent gecodeerd zijn. Dutch Hospital Data publiceert daarom elk kwartaal geactualiseerde thesauri, zodat ziekenhuizen hun mappings en EPD-configuraties kunnen bijwerken.
