Onderzoek naar verwachtingen en behoeften rond het gebruik van grote taalmodellen in Beierse universitaire ziekenhuizen

Waarom dit belangrijk is voor patiënten en professionals

Ziekenhuizen beginnen te experimenteren met dezelfde chatbots die veel mensen thuis gebruiken, maar voor veel ingrijpendere taken. Deze studie bekijkt hoe artsen, geneeskundestudenten en ziekenhuispersoneel aan Beierse universitaire klinieken tegen deze hulpmiddelen aankijken: waarvoor ze ze al gebruiken, wat ze hopen te bereiken en wat hen zorgen baart. Inzicht in hun opvattingen helpt bij het vormen van hoe kunstmatige intelligentie in echte klinieken wordt ingevoerd, waar zowel patiëntveiligheid als vertrouwen op het spel staan.

Wie er zijn bevraagd en wat ze al doen

De onderzoekers ondervroegen 120 personen verspreid over vijf universitaire ziekenhuizen in Beieren: 70 geneeskundestudenten, 36 artsen en 14 leden van administratief personeel. Veel respondenten gebruiken grote taalmodellen al in hun dagelijkse werk of studie, met name studenten en artsen. Ze gebruiken deze tools om literatuur te doorzoeken, ideeën te genereren, teksten te vertalen, e-mails en rapporten op te stellen, lange documenten samen te vatten en onbekende begrippen te verduidelijken. Administratief personeel gebruikt ze minder vaak, maar toont interesse in ondersteuning bij spraaktranscriptie en documentafhandeling. Tegelijkertijd geeft een aanzienlijk deel—ongeveer een kwart van de studenten en artsen en een derde van de administratieve medewerkers—aan dergelijke hulpmiddelen helemaal niet te gebruiken, en veel studenten vinden dat hun begrip van de technologie achterblijft bij dat van hun collega’s.

Wat men nuttig vindt

Op de vraag welke toekomstige toepassingen het meest relevant zouden zijn, benadrukten respondenten in alle groepen hulp bij het vertalen van medische rapporten en het omzetten van gesproken taal naar geschreven tekst. Ze waardeerden ook het automatisch opstellen van klinische rapporten, het samenvatten van lange documenten en het vereenvoudigen van technische taal zodat patiënten het gemakkelijker kunnen begrijpen. Meer complexe rollen—zoals het suggereren van diagnoses of het leveren van gedetailleerde medische redenering—werden als minder belangrijk beoordeeld, vooral door administratief personeel. Direct patiëntenvragen beantwoorden was het minst aantrekkelijk, maar een meerderheid gaf aan zich comfortabel te voelen met een chatbot die tijdens een crisis conceptantwoorden opstelt, mits een menselijke expert die antwoorden eerst controleert. Dit patroon suggereert dat professionals ondersteuning waarderen bij routinematige, tekstintensieve taken, maar strakke menselijke regie willen behouden over klinische beslissingen en communicatie.

Hoe ingrijpend ze de verandering verwachten

De meeste deelnemers denken dat taalmodellen een positief effect op hun vakgebied zullen hebben, en velen merken nu al een merkbare impact of verwachten die binnen het komende decennium. Ze verwachten dat het automatiseren van repetitieve administratieve taken tijd kan vrijmaken voor directe patiëntenzorg en meer evidence-based, gepersonaliseerde behandelingen kan ondersteunen, wat de zorg mogelijk kosteneffectiever maakt. De meningen lopen uiteen over de vraag in hoeverre de technologie de personeelsbehoefte zal hervormen. Sommigen voorzien dat er minder medewerkers nodig zullen zijn, vooral in administratieve functies, maar de helft van de respondenten denkt dat de totale personeelsbehoefte ongeveer gelijk zal blijven. Eisen aan nauwkeurigheid hangen ook af van de taak: bij vroege screening door niet‑specialisten zijn respondenten bereid prestaties op het niveau van een gemiddelde arts te accepteren, maar voor hulpmiddelen die behandelingsbeslissingen voor opgeleide artsen begeleiden, verwachten ze duidelijk betere prestaties.

Waar ze zich het meest zorgen over maken

Ondanks het optimisme uitten de deelnemers sterke zorgen. Artsen en studenten maakten zich vooral zorgen over het “black box”-karakter van deze systemen: ze kunnen niet makkelijk zien hoe een conclusie tot stand is gekomen, terwijl zij wel verantwoordelijk moeten nemen voor daaropvolgende acties. Ze vreesden ook bedreigingen voor de gegevensprivacy, aangezien medische dossiers zeer gevoelige informatie bevatten, en waren ongerust over het risico dat de zorg te afhankelijk wordt van grote technologiebedrijven. Studenten maakten zich daarnaast zorgen over schade aan de op vertrouwen gebaseerde relatie tussen arts en patiënt als machines schijnbaar sleutelbeslissingen nemen. Administratief personeel maakte zich vooral zorgen over de gevolgen van automatisering voor de baanzekerheid. In alle groepen was er een duidelijke wens voor tools die hun redenering uitleggen, vertrouwelijke gegevens beschermen en de menselijke oordeelsvorming ondersteunen in plaats van vervangen.

Hoe klaar ziekenhuizen zijn—en wat er moet veranderen

Het duidelijkste waarschuwingssignaal uit de enquête is dat de meeste respondenten vinden dat hun instellingen niet klaar zijn voor de introductie van taalmodeltools. Hoewel velen dergelijke systemen al privé voor werk gebruiken, doen ze dat vaak zonder richtlijnen, training of goedgekeurde infrastructuur, wat ernstige privacy- en veiligheidsrisico’s met zich meebrengt. Op de vraag wat er zou moeten veranderen, was de meest gehoorde wens educatie: cursussen en seminars die uitleggen wat deze modellen wel en niet kunnen en hoe je ze verantwoord gebruikt. Deelnemers riepen ook op tot investeringen in veilige technische infrastructuur, betere digitale dossiers ter vervanging van handgeschreven notities, duidelijke regels over juridische verantwoordelijkheid en nauwere samenwerking met de IT-afdeling van het ziekenhuis. Velen benadrukten dat systemen goed in het Duits moeten werken en naadloos moeten integreren met bestaande ziekenhuissoftware.

Wat dit betekent voor de toekomst

Voor een leek is de kernboodschap dat veel mensen binnen ziekenhuizen chatbots en aanverwante tools al zien als nuttige assistenten, vooral om saaie administratieve taken te verminderen en te verbeteren hoe informatie wordt gedeeld met patiënten. Tegelijkertijd zijn ze zich zeer bewust van de risico’s van te snel handelen zonder passende waarborgen. De studie suggereert dat als ziekenhuizen training bieden, robuuste privacybescherming implementeren en goed geïntegreerde systemen die artsen duidelijk aan het roer houden, taalmodellen meer efficiënte en gepersonaliseerde zorg kunnen ondersteunen in plaats van menselijke expertise te vervangen. Met andere woorden, de toekomst die deze professionals voor zich zien is geen “robotarts”, maar slimere hulpmiddelen die menselijke clinici helpen hun werk beter en veiliger te doen.

Bronvermelding: Vladika, J., Fichtl, A. & Matthes, F. Investigating expectations and needs regarding the use of large language models at Bavarian university clinics. Sci Rep 16, 10505 (2026). https://doi.org/10.1038/s41598-026-45245-2

Trefwoorden: grote taalmodellen in de gezondheidszorg, adoptie van medische AI, digitale transformatie in ziekenhuizen, houdingen van klinisch personeel, AI en patiëntprivacy