De Interpretatiekloof

Klinische laboratoria in Duitsland produceren zo’n negen miljoen uitslagen per dag [1]. Ik blijf op dat getal terugkomen, omdat het een vreemde omkering verbergt: het deel van de laboratoriumgeneeskunde dat we hebben geautomatiseerd, is het deel dat vroeger zwaar werk was, maar het deel dat we handmatig hebben gelaten, is het deel dat altijd het belangrijkst was.

Een uitslag is een getal. Wat de behandelend arts nodig heeft, is een zin: “Dit patroon betekent bij deze patiënt hoogstwaarschijnlijk X; doe vervolgens Y.” In de praktijk is de klinische context die nodig is om de volgende stap aan te bevelen niet altijd beschikbaar voor het laboratorium; betere integratie met patiëntgegevens zal essentieel zijn. Die zin wordt nog steeds geschreven zoals in 1990: door een van een klein aantal ervaren specialisten, geval per geval, meestal aan het einde van de dag.

En de rij voor die specialisten groeit. Histopathologische aanvragen stijgen vier tot vijf procent per jaar [2]. Ondertussen bleek uit de census van het Royal College of Pathologists van 2025 dat 78 procent van de pathologen de personeelsbezetting ontoereikend vindt, en dat 47 procent de vijftig is gepasseerd [3]. De pensioenrekensom kunt u zelf maken.

Het ongemakkelijke deel: automatisering heeft de omstandigheden voor dit knelpunt mede gecreëerd. Zodra het produceren van nog een uitslag goedkoop en routineus wordt, stijgen de testvolumes mee. Elk extra panel produceert dan extra vraag naar oordeelsvermogen, het enige op het aanvraagformulier dat geen enkele analyzer maakt. Stijgende volumes zijn niet het hele causale verhaal; vergrijzende bevolkingen en bredere testmenu’s spelen hun rol. Toch: het meten schaalde, de interpretatie niet, en de kloof ertussen stapelt zich al decennia stilletjes op.

De expertbasislijn is breder dan we toegeven

Wanneer iemand AI-ondersteuning voor interpretatie voorstelt, is het eerste bezwaar altijd hetzelfde: kan het de expert evenaren?

Terechte vraag, verkeerde basislijn. Kijk naar wat de kwaliteitsborgingsprogramma’s van het vak zelf blijven vinden, en al meer dan twintig jaar blijven vinden. In een Britse EQA-oefening in 2026 interpreteerden ongeveer 300 laboratoria dezelfde cortisoluitslagen. Voor een duidelijk laag ochtendcortisol van 122 nmol/L koos 68 procent de code die de NICE-richtlijn verwacht. Ongeveer een derde dus niet. Voor een intermediaire waarde rond 307 nmol/L werd het erger: de populairste interpretatie was helemaal niet het antwoord van de richtlijn [4]. Lim en collega’s documenteerden hetzelfde fenomeen al in 2004, met commentaren op identieke casussen die uiteenliepen van uitstekend tot, in hun woorden, gevaarlijk [5]. Twee decennia verschil, dezelfde bevinding. Dit is een blijvende eigenschap van het systeem en niet zomaar een slecht jaar.

Niets hiervan betekent dat laboratoria onzorgvuldig zijn. Het betekent dat handmatige interpretatie op schaal van nature een spreiding oplevert, en die spreiding is breder dan we denken. Plebani et al. schatten bijvoorbeeld de postanalytische fase op ongeveer een kwart van alle laboratoriumfouten [6], en de interpretatie valt daar midden in.

De echte vraag is dus niet of een machine een of andere foutloze expert kan evenaren. Die expert is een fictie. De vraag is of een door de machine opgestelde, door een expert ondertekende interpretatie de gedocumenteerde spreiding van de huidige praktijk verslaat.

En een betekenisvolle interpretatie is het vechten waard: wanneer laboratoriumartsen een geschreven commentaar toevoegen, melden clinici dat het hen in ongeveer 80 procent van de gevallen tijd bespaart en in ongeveer 70 procent helpt een misdiagnose te voorkomen [7].

Waarom statische tekst de variatie niet oplost

Laboratoria zijn niet naïef over de werklast, en bijna niemand schrijft elk commentaar vanaf nul. De standaardoplossing is de tekstblokbibliotheek: enkele honderden voorgeschreven commentaren, elk met ingebakken referentiewaarden en richtlijnformuleringen, duizenden keren hergebruikt.

Zo bekeken is een deel van de in EQA waargenomen divergentie niet meer verrassend. Driehonderd laboratoria, driehonderd langzaam verouderende privébibliotheken. Die constructie kan niet de hele verklaring voor de variatie zijn, maar ze is een structurele bijdrage, en het is degene die we daadwerkelijk kunnen verhelpen.

Statische bibliotheken bevriezen het denken: ze leggen referentiewaarden en richtlijnformuleringen vast op het moment van schrijven, en niets laat ze verlopen wanneer de geneeskunde verder gaat. De oplossing moet de architectuur omkeren: de interpretatie genereren wanneer de uitslag wordt gelezen, tegen de richtlijn en de referentiewaarden zoals die die dag gelden, voor die patiënt, en niet opgehaald uit een verouderde cache.

Opstellen en ondertekenen

De voorgestelde workflow zou er zo uitzien: de casus gaat erin met de uitslagen en de klinische context. Het systeem schrijft een eerste interpretatie, gestructureerd zoals een specialist die zou structureren, gefundeerd in actuele richtlijnen, met de evidentie achter elke bewering zichtbaar. De specialist leest die, herstelt wat hersteld moet worden, en ondertekent.

Eén grens is hier klinisch en juridisch van belang: dit systeem neemt geen autonome diagnose- of behandelbeslissing. Het produceert een aan evidentie gekoppeld concept dat een professional verifieert, aanpast en ondertekent. De klinische beslissing, en de verantwoordelijkheid die daarbij hoort, verschuift nooit.

Een redelijk bezwaar is dat dit alleen maar een stap toevoegt. Dat doet het niet, want schrijven en controleren zijn verschillende soorten werk. Iedereen die ooit het verslag van een collega heeft beoordeeld, kent het gevoel: de tekst produceren kost een avond, de fout in andermans tekst vinden kost minuten. Een interpretatie genereren betekent tegelijk jongleren met de richtlijn, de referentiebereiken, het patroon en de formulering. Er een verifiëren betekent reageren op een concreet voorstel. Experts zijn snel in het tweede en branden op aan het eerste.

Of de machine de schrijfhelft kan dragen, is een aparte vraag. Recente evidentie is bemoedigend: geef een groot taalmodel de daadwerkelijke labuitslagen en de diagnostische nauwkeurigheid verbetert, in één evaluatie met wel 30 procent [8]. Een pathologiespecifieke copiloot scoorde 90,5 procent op diagnostische vragen met klinische context, waar een algemeen model 63,5 haalde [9]. Een studie in The Oncologist vond dit jaar dat ChatGPT meer therapieopties voorstelde dan een menselijke moleculaire tumorboard, mediaan drie tegen één, in minder dan de helft van de tijd; de conclusie van de auteurs zelf was dat de toekomst een hybride van expert en machine is [10]. Een groeiende hoeveelheid evidentie wijst op haalbaarheid, maar voor elke beoogde workflow zal waarschijnlijk prospectieve validatie nodig zijn.

Concreet zou een eerlijke proef van opstellen-en-ondertekenen de volledige workflow meten, niet het model: tijd per interpretatie; overeenstemming met actuele richtlijnen tegenover de tekstblokbasislijn; het percentage klinisch significante fouten, dat gelijk of lager moet zijn; het percentage substantiële menselijke aanpassingen, dat echt moet zijn en echt moet blijven; en de waakzaamheid van de beoordelaar in de tijd, want de faalwijze om te vrezen is niet week één, maar maand zes. Houden die cijfers geen stand, dan verdient het idee geen uitrol, wat de benchmarkscores ook zeggen.

Die laatste maatstaf telt het zwaarst. Een studie naar door AI gegenereerde infectieziektenconsulten vond minder dan twee op de vijf antwoorden volledig onschadelijk. Het detail dat ons meer zou moeten verontrusten: de beoordelaars die gebrekkige antwoorden het vaakst lieten passeren, waren de senior specialisten [11]. Vloeiende concepten nodigen uit tot afstempelen, en ervaring maakt het blijkbaar makkelijker, niet moeilijker, om over een zelfverzekerde fout heen te lezen.

“Human in the loop” is dus waar veiligheid begint, niet waar ze eindigt. Een succesvol en conform systeem moet echte beoordeling gemakkelijk maken en gemakzuchtige beoordeling ongemakkelijk. Toon welke richtlijnpassage elke bewering ondersteunt. Toon de gebruikte referentiewaarden. Zeg “onzeker” hardop in plaats van het glad te strijken tot vloeiend proza. Als de handtekening ooit een formaliteit wordt, is de hele constructie mislukt, wat de nauwkeurigheidsstatistieken ook zeggen.

Een recente grote Amerikaanse studie onderzocht opkomende veiligheidspatronen op het raakvlak van clinici en AI, en benadrukte de voordelen van gespecialiseerde modellen boven algemene LLM’s [12]. Als de workflow goed is ontworpen, kan gecombineerd menselijk en machinaal oordeel tot consistentere klinische beslissingen leiden.

Schaal het concept, behoud het oordeel

Als de architectuur zich hier bewijst, wordt de interessante vraag hoe ver het patroon reikt: een specialist die een synthese schrijft waarop anderen vertrouwen, beschrijft meer dan één functie in een ziekenhuis. Maar dat is een casus voor een ander artikel, met eigen evidentie. Hoe algemene chatbots vandaag met klinische vragen omgaan, staat in onze vergelijking van ChatGPT voor klinisch gebruik.

Dit artikel eindigt waar het begon. We bouwden machines die negen miljoen keer per dag “wat is het getal?” beantwoorden, en we zien wat er gebeurt wanneer “wat betekent het?” wordt overgelaten aan een krimpende groep mensen die werkt met verouderende bibliotheken van standaardteksten.

Dat kan beter.

FAQ: AI en interpretatie van labuitslagen

Kan AI labuitslagen interpreteren?

Grote taalmodellen kunnen bruikbare conceptinterpretaties schrijven, en de nauwkeurigheid stijgt wanneer het model de werkelijke labwaarden krijgt, tot 30 procent in één evaluatie [8]. Het concept is geen diagnose: een specialist moet het verifiëren, aanpassen en ondertekenen voordat het de behandelend arts bereikt.

Wat is concept-en-onderteken (draft and sign) in de laboratoriumgeneeskunde?

Een werkwijze waarbij een AI-systeem de eerste interpretatie van een uitslag schrijft, gefundeerd in actuele richtlijnen met zichtbare evidentie, en een laboratoriumspecialist die controleert en ondertekent. De klinische beslissing en de verantwoordelijkheid blijven bij de professional.

Waarom zijn tekstblokbibliotheken niet genoeg?

Statische tekstblokken bevriezen referentiewaarden en richtlijnformuleringen op het moment van schrijven, en elk laboratorium onderhoudt zijn eigen set. Externe kwaliteitsbeoordelingen vinden telkens grote variatie tussen laboratoria die dezelfde casus interpreteren.

Maakt een mens in de lus AI-interpretatie veilig?

Alleen als de beoordeling echt is. In een studie naar AI-gegenereerde infectieziekteconsulten keurden juist senior specialisten gebrekkige antwoorden het vaakst goed [11]. Een veilig systeem maakt verificatie makkelijk en afstempelen lastig, bijvoorbeeld door de richtlijnpassage achter elke bewering te tonen.