Knelpunten bij concentratie complexe zorg en de rol van AI

Waarom concentratie van complexe zorg nu zo spannend is

In 2025 bereikt de discussie over concentratie van complexe oncologische en vaatchirurgische zorg een beslissend punt. Volume-eisen worden aangescherpt, zorgverzekeraars stellen zich kritischer op en regio’s vrezen voor het verlies van “hun” ziekenhuisfuncties. Tegelijkertijd kijkt iedereen naar dezelfde cijfers: groeiende zorgvraag, krimpende arbeidsmarkt en stijgende kosten.

De kern is ongemakkelijk helder: we hebben niet genoeg mensen, tijd en middelen om overal alles te blijven doen. Complexe ziekenhuiszorg moet dus naar minder locaties. Maar hoe doe je dat zonder wachttijden, zorgbreuken en onnodige reistijd voor patiënten? En hoe voorkom je dat professionals en bestuurders in een loopgravenoorlog belanden?

Binnen de reeks AI voor Nederlandse zorg: Innovatie in de Gezondheidszorg schuift deze blog één stap verder: hoe kunnen we de knelpunten rond concentratie van complexe ziekenhuiszorg slim aanpakken met data en AI, in plaats van alleen met beleidsnota’s en emoties?

---

De acht grote knelpunten rond concentratie complexe ziekenhuiszorg

Concentratie van complexe zorg – zoals bepaalde oncologische operaties of hoogcomplexe vaatchirurgie – levert aantoonbaar betere uitkomsten op als teams genoeg volume draaien. Maar in de praktijk lopen ziekenhuizen, MSB’s en verzekeraars steeds tegen dezelfde blokkades aan.

Hieronder de acht meest hardnekkige knelpunten, aangevuld met waar AI en datagedreven werken helpen om uit de impasse te komen.

1. Volume-eisen versus regio-belangen

De eerste spanning ligt tussen medische volumenormen en regionale beschikbaarheid. Richtlijnen zeggen: minimaal X operaties per team of centrum. Regio’s zeggen: patiënten mogen niet een halve dag moeten reizen.

Wat je in de praktijk ziet:

• Te veel ziekenhuizen die nét boven of nét onder de norm zitten
• “Papieren” samenwerking om aan de norm te komen, zonder echte concentratie
• Politieke druk om bestaande infrastructuur overeind te houden

Hoe AI hier kan helpen

AI-modellen voor scenario-analyse kunnen laten zien:

• Hoe uitkomsten veranderen als je van 15 naar 5 centra gaat
• Wat dat betekent voor reistijd per postcodegebied
• Welke combinaties van centra de beste balans geven tussen kwaliteit en toegankelijkheid

Ik heb zelf gezien dat een simpele datagedreven kaart (volume, reistijd, uitkomsten) de discussie in een regiobestuur in één sessie kantelt: van emotie (“we raken zorg kwijt”) naar ontwerp (“hoe organiseren we dit slim?”).

2. Capaciteit: OK, IC en personeel zitten op slot

Concentratie betekent dat een paar ziekenhuizen er flink wat volume bij krijgen. Maar:

• OK-programmering zit al vol
• IC-bedden zijn schaars
• Er is een nijpend tekort aan gespecialiseerde verpleegkundigen en arts-assistenten

Zonder strak capaciteitsmanagement loopt een geconcentreerd centrum vast in wachttijden.

AI als motor voor ‘slimme capaciteit’

Met voorspellende modellen kun je:

• Piekdrukte op OK en IC weken vooruit inschatten
• Planning automatisch optimaliseren op basis van duur, risico en benodigde bezetting
• No-shows en last-minute annuleringen voorspellen en beter opvangen

Ziekenhuizen die al AI inzetten op OK-planning rapporteren vaak 5–10% meer effectieve OK-tijd zonder extra personeel. Bij concentratie is dat verschil het verschil tussen “onhaalbaar” en “net wél passend”.

3. Continuïteit in de keten: van huisartsen tot nazorg

Concentratie wordt vaak benaderd als een ziekenhuisvraagstuk. In werkelijkheid is het een ketenvraagstuk:

• Huisartsen moeten weten wáár ze heen verwijzen en onder welke voorwaarden
• Diagnostiek en voorselectie gebeuren vaak in het streekziekenhuis
• Nazorg vindt liever dichtbij huis plaats

Zonder goede afspraken ontstaan er gaten in de keten: patiënten raken het overzicht kwijt, dubbel onderzoek, onduidelijkheid over wie verantwoordelijk is.

Digitale en AI-ondersteuning in de hele keten

Een regionale virtuele polikliniek voor complexe zorg, ondersteund door AI, kan:

• Verwijzingen triageren op basis van richtlijnen en patiëntdata
• Automatisch bepalen welke casus naar welk centrum gaat
• Voor- en nabehandeling verdelen tussen expertisecentrum en streekziekenhuis

Denk aan AI-triagetools die de huisarts helpen bij de keuze: lokaal behandelen of verwijzen? En zo ja, naar welk centrum? Dat maakt concentratie transparanter en eerlijker voor alle partijen.

4. Onvoldoende transparantie over kwaliteit en uitkomsten

Een heikel punt in vrijwel elke concentratiediscussie: niemand heeft hetzelfde beeld van kwaliteit. Elk ziekenhuis vindt dat het “het goed doet”, maar onderliggende data zijn:

• Versnipperd over registraties
• Niet uniform gecodeerd
• Vaak 1–2 jaar oud tegen de tijd dat ze in een rapport verschijnen

En als de data er al zijn, ontbreekt het aan tijd en expertise om ze echt te duiden.

AI voor datakwaliteit en realtime dashboards

Met moderne data- en AI-technieken kun je:

• Klinische registraties automatisch aanvullen en controleren
• Uitkomsten koppelen aan volumeniveaus per chirurg, team en centrum
• Realtime kwaliteitsdashboards bouwen (in plaats van jaarrapporten met vertraging)

Dat maakt de discussie over concentratie veel eerlijker: niet meer op basis van reputatie, maar op basis van actuele uitkomsten. En ja, dat doet soms pijn – maar het is wel de enige manier om patiënten echt centraal te zetten.

5. Patiëntervaring en reistijd: meer dan “kilometers op de kaart”

Reistijd komt in elk debat terug, zeker in regio’s als Noord-Nederland, Zeeland en delen van Gelderland en Limburg. Maar reistijd is méér dan afstand.

Voor een oudere patiënt zonder auto is 45 minuten OV iets anders dan 45 minuten met de auto. Voor jonge vrouwen met endometriose – zoals in de reactie onder het Zorgvisie-artikel – is herhaalde, hoogcomplexe behandeling op afstand zwaar, zeker in combinatie met werk en gezin.

Wat AI hier toevoegt

Door sociaaldemografische data te combineren met mobiliteitsdata kun je:

• Kwetsbare groepen in kaart brengen die harder geraakt worden door concentratie
• Specifieke ondersteuningsmaatregelen ontwerpen (vervoer, logeerfaciliteiten, telemonitoring)
• Beter beargumenteren waar wél of juist niet gecentraliseerd kan worden

Bovendien maakt AI-ondersteunde telemonitoring het mogelijk om controles en delen van de nazorg thuis of in de eerste lijn te doen. Reistijd blijft dan beperkt tot de echt complexe ingreep.

6. Professionele belangen en identiteit van ziekenhuizen

Concentratie betekent onvermijdelijk: sommige teams gaan bepaalde ingrepen niet meer doen. Dat raakt:

• Professionele trots en opleidingsmogelijkheden
• Positionering van het ziekenhuis in de regio
• Samenwerkingsrelaties binnen maatschappen en MSB’s

Hier zie je vaak de hardste weerstand, soms vermomd als kwaliteitsargument, soms als “regionale verantwoordelijkheid”.

AI lost emoties niet op, maar wél verkeerde aannames

Wat wél helpt:

• Heldere, datagedreven scenario’s voor opleidingsvolume (hoeveel centra heb je nodig om voldoende specialisten goed op te leiden?)
• Inzicht in hoe taakdifferentiatie kan werken: welke zorg kan prima in het streekziekenhuis blijven, ook als de complexe ingreep centraliseert?

Met goede data wordt het gesprek eerlijker: minder over status, meer over rolverdeling. Bijvoorbeeld: een streekziekenhuis dat geen hoogcomplexe endometriose-operaties meer doet, kan wel hét regionale centrum zijn voor diagnostiek, laagcomplexe zorg en nazorg, ondersteund door een expertisecentrum.

7. Financiering en contractering lopen achter

De huidige bekostiging is nog steeds grotendeels volume-gedreven per instelling. Concentratie schuift volume en omzet naar een kleiner aantal centra. Gevolg:

• Ziekenhuizen die volume verliezen vrezen financiële problemen
• Expertisecentra hebben onvoldoende prikkels voor kennisdeling en ondersteuning van andere regio’s
• Zorgverzekeraars moeten actief sturen en politieke spanning trotseren

Datagedreven contractering met AI

AI-ondersteunde analyses kunnen contractteams helpen om:

• De totale zorgkosten in een regio te voorspellen bij verschillende scenario’s van concentratie
• Kwaliteits- én toegankelijkheidsindicatoren mee te wegen in contracten
• Bundelbetalingen of regiobudgetten te ontwerpen rondom zorgpaden in plaats van losse DBC’s

Zorgverzekeraars die serieus op uitkomsten willen sturen, ontkomen niet aan dit soort tooling. Anders blijft concentratie een onderhandeling over “wie welk stukje taart krijgt”.

8. Governance en regie: wie beslist nu eigenlijk?

Tot slot: zelfs als iedereen het inhoudelijk eens is, blijft de vraag: wie heeft de regie?

• Het ziekenhuisbestuur in de regio?
• De landelijke beroepsverenigingen met hun volumenormen?
• De zorgverzekeraars met hun inkoopmacht?
• De overheid met landelijke kaders?

Zonder heldere governance verzanden trajecten in eindeloze overleggen en pilots.

AI als ‘neutrale’ onderlegger voor beslissingen

AI kan hier niet de politiek vervangen, maar wél de basis onder besluiten objectiever maken:

• Gezamenlijke regionale dataplatformen waar alle partijen dezelfde cijfers zien
• Virtuele “regiotafels” ondersteund door scenario-modellen
• Transparante dashboards die ook voor patiënten begrijpelijk zijn

Wie het ook formeel voor het zeggen heeft: beslissingen worden beter als iedereen naar dezelfde, goed geanalyseerde data kijkt.

---

Casus: endometriose als voorbeeld van gemiste concentratiekans

De reactie onder het Zorgvisie-artikel over endometriose raakt een pijnlijke kern. De NVOG onderscheidt sinds 2020 level 1- en level 2-centra voor endometriose. In de praktijk zijn er echter 17 (kandidaat) level 2-centra, terwijl:

• De norm 20 hoogcomplexe ingrepen per jaar per centrum is
• Volgens de werkgroep endometriose 5–6 centra genoeg zouden zijn
• Slechts 3 centra >40 ingrepen per jaar doen

Dat is precies het soort versnippering dat kwaliteit drukt en expertise verdunt.

Wat zou je hier met AI en data doen?

1. Landelijk zorgvolume scherp krijgen
   Hoeveel hoogcomplexe endometriose-ingrepen zijn er werkelijk per jaar? Hoe is dat verdeeld over regio’s en leeftijdsgroepen?

2. Simuleren van 5–6 echte expertisecentra

   • Wat gebeurt er met het volume per centrum?
   • Hoe verbetert de case-mix en ervaring per team?
   • Hoe verandert de gemiddelde reistijd, per postcodegebied en patiëntprofiel?

3. Samen beslissen over netwerkzorg
   Met die inzichten kun je een landelijk netwerk tekenen: een beperkt aantal expertisecentra plus regionale partnerziekenhuizen, met duidelijke afspraken over diagnostiek, laagcomplexe ingrepen en nazorg. AI-ondersteunde triage zorgt dat de juiste patiënt op de juiste plek komt.

Dit is niet theoretisch. Dit is precies het soort puzzel waar AI toegevoegde waarde heeft: complexe data, veel belangen, én een duidelijke kwaliteitswinst als je het goed organiseert.

---

Hoe je als bestuur, arts of verzekeraar morgen al slimmer kunt sturen

De realiteit? Concentratie van complexe zorg gaat niet meer weg. De vraag is alleen of je er reactief of proactief mee omgaat.

Een paar concrete stappen die ik nu zou zetten:

1. Begin met één zorgpad
   Kies een complex oncologisch of vaatchirurgisch zorgpad waar de discussie al loopt. Verzamel alle beschikbare data: volume, uitkomsten, reistijd, kosten, patiëntkenmerken.

2. Bouw een eenvoudig scenario-dashboard
   Laat data-scientists of een AI-partner een eerste model bouwen dat laat zien wat er gebeurt bij verschillende concentratiescenario’s. Geen perfectie, wél richting.

3. Betrek de hele keten vroeg
   Huisartsen, VVT, GGZ indien relevant, patiëntenvertegenwoordigers. Laat ze reageren op concrete scenario’s in plaats van op abstracte plannen.

4. Koppel AI-toepassingen aan echte knelpunten
   Geen losse “AI-pilots”, maar gerichte inzet:

   • Triagemodellen bij verwijzing
   • OK- en IC-planningsoptimalisatie
   • Realtime kwaliteitsdashboards

5. Leg afspraken vast in een regionaal zorgakkoord
   Gebruik de data en scenario’s als onderbouwing. Benoem expliciet welke zorg concentreert, welke juist dichtbij blijft en hoe je patiënten ondersteunt.

---

Waarom dit nú urgent is – en hoe AI het verschil kan maken

De komende maanden worden cruciaal: volumenormen worden aangescherpt, formatiediscussies verweven zich met zorgbeleid en de arbeidsmarktkrapte loopt in 2026 verder op. Doorgaan op de oude manier – overal een beetje van alles doen – is niet houdbaar.

Concentratie van complexe ziekenhuiszorg is geen puur medisch of financieel vraagstuk meer, maar een data- en ontwerpvraagstuk. Wie nu inzet op AI-ondersteunde besluitvorming, loopt voorop in kwaliteit én betaalbaarheid.

Voor de serie AI voor Nederlandse Zorg: Innovatie in de Gezondheidszorg betekent dit: AI hoort niet alleen op de radiologie-afdeling of in decision support aan het bed, maar ook in de bestuurskamer en aan de regiotafels waar beslist wordt over spreiding en concentratie.

Als je één vraag meeneemt uit dit stuk, laat het dan deze zijn:

Zijn wij in onze regio beslissingen over concentratie van complexe zorg aan het nemen op gevoel en traditie, of op actuele data en slimme AI-analyses?

Wie dat eerlijk durft te beantwoorden, heeft meteen het startpunt voor echte vernieuwing.