De OESO en het Spaanse ministerie van Volksgezondheid hebben het verslag gepubliceerd van de conferentie in Madrid over de verantwoorde opschaling van artificiële intelligentie in de gezondheidszorg. Het document schuift tien prioritaire acties naar voren, gebundeld in het “Expert-Led Madrid Action Plan” (EL-MAP).
De conferentie vond plaats op 28 en 29 mei 2026 en bracht 142 experts samen uit 26 OESO-lidstaten, 8 kandidaat- of partnerlanden en 35 internationale organisaties, waaronder de Université de Mons (UMONS). Het uitgangspunt: de discussie gaat niet langer over de vraag of AI in de gezondheidszorg moet worden ingevoerd, maar over hoe die technologie veilig en doeltreffend kan worden opgeschaald. Het rapport wijst erop dat ongeveer 230 miljoen mensen wekelijks AI-tools raadplegen over hun gezondheid en dat 35% van de bevolking aangeeft dit te doen vóór een arts te raadplegen.
Een productiviteitsparadox
De vaststellingen zijn scherp. Meer dan 90% van de bedrijven die AI hebben ingevoerd, rapporteert geen meetbare productiviteitswinst en tot 97% van de gezondheidsgegevens blijft onbenut voor klinische besluitvorming. Minder dan een derde van de OESO-landen heeft maatregelen genomen om de noodzakelijke basisvoorwaarden of vaardigheden te versterken.
De auteurs illustreren die paradox met ambient AI scribes, toepassingen die gesprekken tijdens een consult automatisch registreren en verwerken. Ze verminderen de burn-out bij zorgverleners en de tijd die buiten de werkuren aan documentatie wordt besteed, maar leiden globaal eerder tot hogere uitgaven. Dat komt door een groter volume aan factureerbare zorg en een meer gedetailleerde codering. Het rapport pleit er daarom voor AI te beoordelen aan de hand van de “Quintuple Aim” – patiëntuitkomsten en -ervaring, welzijn van zorgverleners, houdbaarheid van de uitgaven en gelijke toegang – en niet uitsluitend op basis van het aantal verstrekkingen.
Tot de vastgestelde obstakels behoren een zorgpersoneel dat onder druk staat – met een verwacht tekort van 8 miljoen zorgprofessionals tegen 2040 –, een versnipperde verantwoordelijkheid over tal van actoren, een gebrek aan vertrouwen, regelgevende kaders die moeilijk gelijke tred houden met de snelheid waarmee AI-modellen worden geüpdatet, versnipperde gegevens en een kloof tussen private investeringen en de behoeften van de gezondheidszorg. Die investeringen zijn vooral gericht op medische beeldvorming en administratieve automatisering, terwijl er ook belangrijke behoeften zijn op het vlak van preventie, geestelijke gezondheidszorg en multimorbiditeit.
Drie pijlers, tien acties
Het EL-MAP is opgebouwd rond drie thema’s. Het eerste, vertrouwen opbouwen en behouden, omvat de gezamenlijke ontwikkeling van concrete toepassingen, het versterken van vaardigheden en partnerschappen tussen verschillende betrokken partijen. Het tweede, de basisvoorwaarden versterken, omvat leiderschap, ondersteunend beleid, het beheer van de volledige levenscyclus van AI-oplossingen, data- en digitale infrastructuur en het vermogen om in te spelen op opkomende technologieën. Het derde thema richt zich op de ontwikkeling van duurzame economische en financieringsmodellen.
Een overkoepelende actie rond meting en coördinatie moet de maturiteit, het gebruik en de impact van AI in de gezondheidszorg opvolgen.
UMONS en Sciensano als Belgische voorbeelden
Voor de actie rond vaardigheden verwijst het rapport naar het programma digitale geneeskunde van de Université de Mons en de leerstoel AI en Digitale Geneeskunde van professor Giovanni Briganti. AI-opleiding wordt er geïntegreerd in de medische opleiding, zodat toekomstige zorgprofessionals deze tools op een verantwoorde manier kunnen beoordelen en toepassen.
Ook de AI Board die Sciensano heeft opgericht om de AI-geletterdheid binnen het instituut te versterken, wordt als voorbeeld aangehaald.
Volgende stappen
De komende maanden moeten experts en internationale organisaties de concrete uitvoering van het plan verder uitwerken. Daarbij wordt nagegaan welke netwerken al actief zijn en welke opdrachten nog moeten worden geformaliseerd en gefinancierd.
De OESO wil daaraan bijdragen via economische analyses, de governance van gezondheidsgegevens en de opvolging van de impact van AI in de verschillende landen.
