AI-oplossingen zijn er, maar epd-integratie stokt. Waarom gaat het zo traag met ChipSoft en co – en wat kunnen Nederlandse ziekenhuizen zélf doen om tempo te maken?
Waarom AI in het epd zo traag gaat – en wat ziekenhuizen wél kunnen doen
Een simpele spraak-naar-tekstmodule in het elektronisch patiëntendossier. In de VS of Scandinavië staat die vaak binnen 1 à 2 weken live. Nederlandse ziekenhuizen wachten er soms meer dan een half jaar op. In de tussentijd blijven artsen typen, dicteren en corrigeren, terwijl de AI-oplossing al klaarstaat.
Dit frustreert niet alleen dokters en bestuurders, het remt ook het momentum rond AI in de zorg. En als enthousiasme omslaat in teleurstelling, wordt de volgende innovatieve stap een stuk lastiger. In de mProve-samenwerking geven zeven Nederlandse ziekenhuizen nu een duidelijk signaal af: epd-leveranciers – en in het bijzonder ChipSoft – gaan niet snel genoeg in het integreren van AI in het epd.
In deze blog, onderdeel van de serie “AI voor Nederlandse Zorg: Innovatie in de Gezondheidszorg”, kijk ik voorbij de koppen. Waar loopt het écht vast? Wat kun je als ziekenhuis vandaag al doen om wél tempo te maken? En hoe voorkom je dat AI in het epd eindigt als de zoveelste mooie belofte die in de la verdwijnt?
1. Het kernprobleem: AI is er, maar het epd houdt het tegen
De kern is pijnlijk simpel: AI-toepassingen ontwikkelen gaat sneller dan ze integreren in het epd.
Ziekenhuizen kunnen tegenwoordig in weken een werkend AI-prototype neerzetten: spraakgestuurd verslagleggen, automatische samenvattingen, klinische beslisondersteuning, triage-algoritmes. Maar zolang het niet netjes en veilig is ingebouwd in het epd, blijft het een losse tool in de zijlijn.
Waarom die epd-integratie zo cruciaal is
AI in de zorg heeft pas echt impact als het:
- in de workflow van de zorgverlener zit (geen extra scherm, geen aparte login)
- veilig met patiëntdata omgaat binnen bestaande beveiliging
- data terugschrijft naar het epd in gestructureerde vorm
- beheerbaar is door de eigen ICT- en CMIO-organisatie
Zonder epd-integratie krijg je precies wat veel ziekenhuizen nu ervaren:
- artsen die dubbel registreren (in de AI-tool Ă©n in het epd)
- losse dashboards die niet aansluiten op het zorgproces
- pilots die na een jaar wegzakken omdat beheer en opschaling ontbreken
De realiteit? Niet de AI is de bottleneck, maar de epd-laag en het tempo van de leverancier.
2. Waarom Nederland achterloopt: structuur, macht en risico-aversie
Dat ziekenhuizen melden dat ChipSoft AI niet snel genoeg integreert in het epd, is geen incident. Het raakt aan drie structurele problemen in de Nederlandse ziekenhuis-ICT.
2.1 Een sterk geconcentreerde epd-markt
De Nederlandse epd-markt is de afgelopen jaren sterk geconsolideerd. Een beperkt aantal leveranciers bepaalt de snelheid van innovatie in vrijwel alle ziekenhuizen. Dat heeft voor- en nadelen:
- voordeel: standaardisatie en schaalgrootte
- nadeel: afhankelijkheid en beperkte onderhandelingsruimte
Waar buitenlandse leveranciers vaak met open API’s en marketplaces werken, is integratie in Nederland vaker:
- maatwerk
- afhankelijk van releases
- gekoppeld aan langdurige change-trajecten
2.2 Risico-aversie rond AI en patiëntveiligheid
Epd-leveranciers zijn – soms terecht – voorzichtig met AI.
- Elke fout kan impact hebben op patiëntveiligheid.
- Aansprakelijkheid is nog onvoldoende uitgekristalliseerd.
- Europese regelgeving (MDR, AI Act) zet druk op traceerbaarheid en validatie.
Het gevolg: lange validatietrajecten, veel overleg, nog meer formulieren. Begrijpelijk, maar het tempo in de praktijk is niet langer houdbaar, zeker niet met de groeiende zorgvraag en het personeelstekort.
2.3 Contracten die innovatie remmen
Veel meerjarencontracten met epd-leveranciers zijn geschreven in een tijd dat AI in de zorg nauwelijks bestond. Ze regelen beheer en continuĂŻteit uitstekend, maar:
- bevatten weinig harde afspraken over innovatietempo
- sturen nauwelijks op time-to-market van nieuwe functionaliteit
- geven ziekenhuizen beperkt recht op zelf integreren via open interfaces
Zolang contracten innovatie niet expliciet afdwingen, blijft epd-ontwikkeling vooral gericht op stabiliteit, bugfixes en wettelijke verplichtingen.
3. Wat AI concreet kan opleveren in het epd (vandaag al)
De mProve-ziekenhuizen hebben het in het Zorgvisie-artikel vooral over spraakgestuurde AI-systemen in het epd. En dat is terecht: daar liggen nu de snelste winsten.
3.1 Spraakgestuurde verslaglegging
Spraak-naar-tekst en generatieve AI kunnen:
- consultverslagen automatisch opstellen op basis van een gesprek
- samenvattingen genereren van een complexe opname
- standaardformaten (polikliniekbrief, ontslagbrief) automatisch vullen
Ziekenhuizen die hiermee al experimenteren, melden:
- 30–50% minder tijd kwijt aan verslaglegging voor deelnemende artsen
- hogere tevredenheid, vooral bij jonge specialisten
- betere volledigheid en leesbaarheid van verslagen
Maar dan moet die AI-oplossing dus direct in het epd hangen:
- knoppen in het vertrouwde scherm
- teksten die automatisch op de juiste plek landen
- logging en audits gelijk aan de rest van het epd
3.2 Slimme beslisondersteuning
Naast spraaktoepassingen zien we steeds meer AI binnen klinische beslisondersteuning:
- risicoscores voor heropname
- sepsis-alerts
- voorspelling van ligduur of IC-opname
Deze AI-modellen zijn vaak al operationeel in andere landen. In Nederland belanden ze regelmatig in een pilotmodus buiten het epd. Het gevolg: artsen vertrouwen de signalen minder of zien ze simpelweg niet op tijd.
De les: zonder integratie in het primaire proces blijft AI een extra scherm in een toch al druk dashboard.
4. Hoe ziekenhuizen zélf tempo kunnen maken met AI in het epd
Dat epd-leveranciers soms traag zijn, is een gegeven. Maar ziekenhuizen zijn niet machteloos. Er zijn concrete stappen waarmee je als CIO, CMIO of bestuurder in 2026 wél beweging krijgt.
4.1 Bundel de vraag: van individuele wens naar collectieve eis
De mProve-ziekenhuizen zijn daar een goed voorbeeld van: zeven ziekenhuizen die gezamenlijk richting ChipSoft aangeven dat AI-integratie sneller moet.
Wat werkt in de praktijk:
- gezamenlijke usecases formuleren (bijv. spraakgestuurde verslaglegging voor poli X)
- Ă©Ă©n gezamenlijke prioriteitenlijst maken met duidelijke businesscases
- als groep harde KPI’s afspreken met de leverancier, bijv.:
- time-to-production maximaal 3 maanden voor bepaalde integraties
- minimaal X generieke AI-koppelingen per jaar
Hoe meer ziekenhuizen dezelfde vraag stellen, hoe groter de kans dat iets in de standaardsoftware van het epd terechtkomt.
4.2 Contracten heronderhandelen met innovatiesturen
Bij contractverlenging of -uitbreiding kun je heel gericht sturen op innovatie:
- leg innovatie-roadmaps vast met jaardoelen voor AI
- spreek doorlooptijden voor changes af (bijv. max. 90 dagen van akkoord tot productie)
- vraag om transparante publicatie van API’s en integratiekaders
Ik heb bij verschillende zorgorganisaties gezien dat een simpele afspraak als:
“We willen jaarlijks minimaal twee nieuwe AI-integraties in productie, gekoppeld aan concrete zorgprocessen,”
ervoor zorgt dat leveranciers intern ineens wél capaciteit reserveren.
4.3 Bouw een interne AI- en integratiekracht
Alleen wijzen naar de leverancier is te makkelijk. Ziekenhuizen hebben zelf ook werk te doen:
- stel een multidisciplinair AI-team samen (ICT, medisch, verpleegkundig, kwaliteit, juridische zaken)
- werk met een gestandaardiseerde intake voor AI-initiatieven
- zorg dat je eigen architectuur “API-first” is waar dat kan
- investeer in data-engineers en integratiespecialisten die epd, dataplatform en AI-tooling aan elkaar kunnen knopen
Hoe beter je eigen huis op orde is, hoe minder excuus er overblijft om integratie uit te stellen.
4.4 Start klein, maar koppel altijd aan het epd
Begin met:
- Ă©Ă©n specialisme (bijv. longziekten of orthopedie)
- Ă©Ă©n duidelijk probleem (bijv. verslaglegging kost te veel tijd)
- Ă©Ă©n AI-oplossing (spraakgestuurde consultverslagen)
Maar stel als harde randvoorwaarde: geen pilot buiten het epd om. Dus:
- login via de bestaande accounts
- data alleen via gereguleerde koppelingen
- resultaat direct zichtbaar in het epd-dossier
Dit maakt de stap naar opschaling veel kleiner én voorkomt de “pilot-moerasfase”.
5. Governance, ethiek en vertrouwen: randvoorwaarden voor duurzame AI
Snelheid is belangrijk, maar niet ten koste van vertrouwen. Zeker bij AI in het epd moet de basis kloppen.
5.1 Heldere AI-governance
Ziekenhuizen die AI serieus inzetten, regelen minimaal:
- een AI-board of stuurgroep met medische, juridische en technische expertise
- toetsing op klinische meerwaarde, risico’s en bias
- afspraken over monitoring in productie (prestaties, foutpercentages, incidenten)
Maak ook duidelijk wie verantwoordelijk is bij een AI-gerelateerd incident: arts, ziekenhuis, leverancier of combinatie?
5.2 Transparantie naar zorgverleners
Artsen en verpleegkundigen moeten weten:
- waar AI in het epd een advies geeft
- op basis waarvan dat advies tot stand komt (zover mogelijk)
- hoe betrouwbaar het is en wanneer ze juist extra alert moeten zijn
Twee dingen helpen enorm voor adoptie:
- eenvoudige uitlegschermen (“AI suggereert dit op basis van…”)
- training waarbij zorgverleners met echte casuĂŻstiek oefenen
5.3 Patiëntenperspectief niet vergeten
AI in het epd raakt ook patiëntenrechten. Denk aan:
- toestemming en informatie over gebruik van data voor AI
- uitleg bij AI-ondersteunde beslissingen
- de mogelijkheid om AI-ondersteuning te weigeren in bepaalde situaties
Zorg dat je AI-strategie aansluit bij passende zorg: technologie als middel om zorg persoonlijker, niet afstandelijker te maken.
6. Van desillusie naar versnelling: wat je morgen kunt doen
De boodschap van de mProve-ziekenhuizen is duidelijk: het huidige tempo van AI-integratie in het epd is te laag. Als we zo doorgaan, ontstaat er een kloof tussen wat technisch kan en wat de zorgverlener aan het bed ervaart. Dat is zonde van energie, tijd Ă©n geld.
Er is echter een beter pad.
- Bundel je vraag als ziekenhuis met andere organisaties.
- Leg in contracten scherpe innovatie-afspraken vast.
- Bouw interne capaciteit voor AI, data en integratie.
- Begin met concrete, haalbare toepassingen zoals spraakgestuurde verslaglegging.
- Koppel pilots direct aan het epd en borg governance en ethiek.
Dit past precies bij de lijn van onze serie “AI voor Nederlandse Zorg: Innovatie in de Gezondheidszorg”: geen losse speeltjes naast het zorgproces, maar AI als integraal onderdeel van veilig, efficiënt en mensgericht ziekenhuiswerk.
Wie vandaag de juiste keuzes maakt, kan in 2026 laten zien dat AI in het epd meer is dan een mooie demo op een congres. Het wordt dan gewoon: hoe je elke dag werkt.
Veelgestelde vragen over AI-integratie in het epd
1. Hoe snel kun je realistisch gezien een AI-oplossing live hebben in een Nederlands ziekenhuis?
Als de oplossing al bestaat en veilig is, is 8–12 weken haalbaar: 2–4 weken voor ontwerp en inrichting, 2–4 weken testen, 2–4 weken gefaseerde uitrol. Voorwaarde is wel dat epd-leverancier en ziekenhuisteam capaciteit vrijmaken.
2. Is AI in het epd juridisch verantwoord met de huidige wet- en regelgeving?
Ja, mits je voldoet aan AVG, MDR (voor medische hulpmiddelen) en de komende AI Act. Dat vraagt om goede documentatie, risicoanalyses, monitoring Ă©n duidelijke rolverdeling tussen ziekenhuis en leverancier.
3. Wat levert spraakgestuurde AI in het epd gemiddeld op?
Ervaringen uit binnen- en buitenland laten zien dat artsen 30–50% minder tijd kwijt zijn aan documenteren voor de betreffende consulten, met vaak betere volledigheid van verslaglegging.