Deze blog maakt deel uit van Founder’s Thoughts, een reeks van Michel Abdel Malek, oprichter van Delphyr. In deze serie deelt hij zijn visie op de toekomst van AI in de zorg en de keuzes die nodig zijn om die toekomst op een verantwoorde manier vorm te geven.

Naarmate foundation models zich in hoog tempo ontwikkelen en grote technologiebedrijven hun intrede doen in de zorg, worden AI-toepassingen die ooit baanbrekend leken snel gemeengoed. Dat roept een fundamentele vraag op: wat onderscheidt AI in de klinische zorg nog écht, zodra de basisfunctionaliteiten gemeengoed zijn geworden?

Graag leggen we uit waarom Delphyr al vroeg heeft gekozen voor een fundamenteel andere koers, een koers die draait om klinische verantwoordelijkheid en medical-grade AI: klinisch verantwoorde, medisch gevalideerde AI die is ontwikkeld volgens medische en wettelijke standaarden.

AI-workflows in de zorg worden onvermijdelijk standaard

Vanaf dag één bij Delphyr hebben we een realistische blik gehad op hoe de markt zich ging ontwikkelen. Ambient listening, het doorzoeken van medische literatuur en het samenvatten van klinische notities: dit zijn krachtige toepassingen, maar het was onvermijdelijk dat ze basisfunctionaliteiten zouden worden zodra foundation models volwassen werden.

Dat spelers als OpenAI en Anthropic de zorgmarkt zouden betreden, kwam voor ons dan ook niet als een verrassing, het was een aanname waar we onze strategie vanaf het begin op hebben gebouwd, door vroeg in te zetten op een medical-grade benadering.

Wanneer AI verschuift van ondersteuning naar klinische invloed

Zodra AI patiëntspecifieke data combineert met klinische richtlijnen, wordt een belangrijke grens overschreden. Op dat moment gaat het niet langer om het samenvatten of vertalen van medische informatie, maar om het beïnvloeden van klinische besluitvorming. En alles wat klinische zorgpaden mede vormgeeft, brengt verantwoordelijkheid met zich mee.

Klinische beslissingsondersteuning vraagt om klinische verantwoordelijkheid

Bij Delphyr hebben we bewust gekozen om te optimaliseren voor klinische accountability. Dat betekent dat we Delphyr vanaf het begin hebben ontwikkeld als medical-grade AI: een medisch hulpmiddel waarbij patiëntveiligheid, naleving van wet- en regelgeving en daadwerkelijk klinisch gebruik de leidende principes vormen.

Naarmate AI de zorg verder transformeert, zal echte en duurzame differentiatie niet voortkomen uit generieke workflows. Die ontstaat pas bij oplossingen die voldoen aan de hoogste normen voor klinische effectiviteit en veiligheid. Regelgeving vormt daarbij geen obstakel, maar de kaders waarbinnen technologie in de zorg zich op een verantwoorde manier kan ontwikkelen. Dat is de toekomst waar we bij Delphyr sinds dag één naartoe bouwen.

Verder praten?

Ben je benieuwd wat deze verschuiving naar medical-grade AI kan betekenen voor jouw organisatie? Dan ga ik graag met je in gesprek om dit samen te verkennen.

Wat bedoelen we met deze AI begrippen?

Foundation models
Grootschalige AI-modellen die zijn getraind op grote en diverse datasets en fungeren als fundament voor uiteenlopende AI-toepassingen. In de zorg worden ze vaak ingezet als onderliggende technologie, maar zijn ze op zichzelf niet ontworpen of gevalideerd als medische hulpmiddelen.

Medical-grade AI
Klinisch verantwoorde, medisch gevalideerde AI die is ontwikkeld als medisch hulpmiddel, met patiëntveiligheid, naleving van wet- en regelgeving en daadwerkelijk klinisch gebruik als uitgangspunt.

AI-workflows
Geautomatiseerde processen waarin AI wordt ingezet om informatie te verzamelen, analyseren of samenvatten ter ondersteuning van klinische besluitvorming.

Ambient listening
Technologie waarmee AI op de achtergrond klinische gesprekken en notities kan analyseren om relevante informatie te verzamelen en te verwerken.

Basisfunctionaliteiten / standaardfunctionaliteiten
Kernfunctionaliteiten van AI-systemen die onvermijdelijk worden en geen onderscheidend vermogen meer bieden, omdat ze door alle spelers in de markt worden toegepast.

Clinical accountability / klinische accountability De verantwoordelijkheid van AI-systemen en hun ontwikkelaars om klinische beslissingen betrouwbaar, veilig en ethisch verantwoord te ondersteunen.