Toepassing van kunstmatige intelligentie in het revalidatiemanagement van schizofrenie: een systematische verkenningsreview

Waarom slimme hulpmiddelen belangrijk zijn bij ernstige psychische aandoeningen

Schizofrenie kan het mensen moeilijk maken duidelijk te denken, contact te leggen met anderen en het dagelijks leven te regelen, en velen blijven moeite houden zelfs na ziekenhuisbehandeling. Tegelijkertijd staan geestelijke gezondheidsdiensten wereldwijd onder druk, en krijgen veel mensen weinig of geen voortdurende ondersteuning. Dit artikel onderzoekt hoe kunstmatige intelligentie (AI) — dezelfde groep technieken achter telefonassistenten en online aanbevelingen — wordt getest als nieuwe hulp in de lange herstelweg bij schizofrenie: mensen gezond houden, medicatiegebruik ondersteunen en vroegtijdige waarschuwingssignalen oppikken voordat een crisis ontstaat.

Van ziekenhuisbezoeken naar het dagelijks leven

De auteurs beginnen met het contrast tussen twee heel verschillende doelen in de geestelijke gezondheidszorg. Diagnose heeft als doel een naam te geven aan een aandoening, zoals schizofrenie, zodat hulpverleners kunnen communiceren en een behandeling kunnen plannen. Revalidatie draait daarentegen om mensen helpen leven, werken en deelnemen aan de maatschappij over jaren of decennia. Het omvat het volgen van symptomen in de tijd, het aanpassen van medicatie, het voorkomen van terugval en het opbouwen van vaardigheden en sociale verbindingen. Ondanks duidelijke richtlijnen is dit soort langdurige ondersteuning ongelijk verdeeld wereldwijd: velen zien nooit een specialist en nazorg is vaak onregelmatig. Deze kloof heeft de deur geopend voor digitale hulpmiddelen — smartphones, wearables, online platforms — die continu informatie kunnen verzamelen en op afstand hulp kunnen bieden.

Waar deze review naar keek

Om te begrijpen hoe AI wordt ingezet voor revalidatie, analyseerden de onderzoekers 83 studies gepubliceerd tussen 2012 en eind 2025. Alle studies betroffen mensen met klinisch bevestigde schizofrenie of verwante psychotische stoornissen en richtten zich op taken die verband houden met voortdurende zorg, niet alleen diagnose. Het team groepeerde elk project in revalidatiedomeinen zoals symptoommonitoring, medicatiebeheer, risicobeheer, functionele training en psychosociale ondersteuning. Ze noteerden ook welke soorten data werden gebruikt (bijvoorbeeld spraak, elektronische patiëntendossiers of smartphonesensoren), welke AI-technieken werden toegepast, hoe goed de systemen presteerden en of ze in realistische settings waren getest.

Hoe AI vandaag wordt gebruikt

Het merendeel van het werk richt zich tot nu toe op het volgen van symptomen in de tijd. Veel studies analyseerden spraak, tekst of smartphonegegevens om de ernst van hallucinaties, denkstoornissen, motivatie of sociaal functioneren in te schatten zonder uitsluitend op langdurige klinische interviews te steunen. Anderen gebruikten telefoonsensoren, wearables of internetzoekpatronen om dagen of weken voor ziekenhuisopname te waarschuwen voor een mogelijke terugval. Een tweede belangrijke groep studies richtte zich op medicatie: controleren of mensen hun medicatie innamen met smartphonecamera’s, voorspellen wie mogelijk zou stoppen met een geneesmiddel of slecht zou reageren, en het signaleren van bijwerkingen zoals hormonale veranderingen of diabetesrisico met routinematige gezondheidsgegevens. Een derde cluster behandelde risicobeheer, zoals het voorspellen van terugval, heropname, geweld of ernstige lichamelijke ziekte. Slechts een handvol projecten probeerde vaardigheden te ondersteunen of therapeuten in realtime te begeleiden, hoewel deze gebieden centraal staan bij het heropbouwen van het dagelijks leven.

Hoe goed zijn deze systemen tot nu toe?

Op papier zien veel modellen er veelbelovend uit. Voor taken zoals het indelen van mensen in risicogroepen of het inschatten van symptoomscores was de gebruikelijke nauwkeurigheid redelijk sterk, en sommige kleine studies meldden zeer hoge prestaties bij het analyseren van stem- of gedrags‑patronen. Systemen die terugval waarschuwen konden vaak ongewone veranderingen in gedrag detecteren, maar ze misten doorgaans veel daadwerkelijke terugvallen en gaven tegelijk valse alarmen, wat betekent dat ze geschikter zijn als vroege “aanmoedigingen” dan als zelfstandige beslissers. Belangrijk is dat slechts enkele studies hun systemen op volledig nieuwe patiëntengroepen testten, en zeer weinigen rapporteerden hoe goed de voorspellingen waren gekalibreerd — dat wil zeggen, of een aangegeven risico daadwerkelijk overeenkwam met wat er gebeurde. Nog minder projecten sloten de lus door voorspellingen om te zetten in concrete acties, zoals contact door een hulpverlener of aanpassingen in de behandeling, en vervolgens te meten of dit het leven van patiënten verbeterde.

Wat er nu moet gebeuren

De review besluit dat AI duidelijke potentie heeft om revalidatie bij schizofrenie te versterken door symptomen nauwer te volgen, medicatiegebruik te ondersteunen en mensen met een hoger risico op terugval of medische problemen te signaleren. De meeste hulpmiddelen bevinden zich echter nog in een vroeg prototype‑stadium, afgestemd op gegevens uit hoge-inkomenslanden en voornamelijk getest op kortetermijn‑ of indirecte uitkomsten. Om patiënten echt te helpen, hebben toekomstige systemen zorgvuldige externe toetsing nodig, heldere manieren om onzekerheid uit te drukken, waarborgen rond privacy en rechtvaardigheid, en ontwerpen die hulpverleners en patiënten in de keten houden in plaats van te vervangen. Bovenal betogen de auteurs dat succes niet alleen aan technische scores moet worden afgemeten, maar aan de vraag of AI-ondersteunde zorg crises vermindert en mensen met schizofrenie helpt vollediger deel te nemen aan het dagelijks leven.

Bronvermelding: Yang, H., Chang, F., Muroi, F. et al. Application of artificial intelligence in schizophrenia rehabilitation management: a systematic scoping review. Transl Psychiatry 16, 180 (2026). https://doi.org/10.1038/s41398-026-03872-3

Trefwoorden: revalidatie bij schizofrenie, digitale fenotypering, medicatietrouw, voorspellen van terugval, AI in de geestelijke gezondheidszorg