Sinds de zomer van 2026 is het Europese regelgevingskader rond medische kunstmatige intelligentie verduidelijkt met de inwerkingtreding van verordening EU 2026/1744. Deze tekst stelt de strengste verplichtingen voor medische apparaten die AI integreren uit tot augustus 2028, terwijl het nu al regels voor transparantie voor chatbots en gegenereerde inhoud oplegt.
Dit verschil tussen wat technisch mogelijk is en wat regulatoir inzetbaar is, bepaalt het werkelijke tempo van innovaties in de gezondheidszorg voor de komende jaren.
AI Act en medische apparaten: een regelgevend uitstel dat de situatie verandert
De zogenaamde “Digital Omnibus” verordening heeft officieel de toepassing van de hoog-risico verplichtingen van de AI Act voor AI-systemen die zijn geïntegreerd in medische apparaten en in-vitro diagnostiek die onder de MDR/IVDR vallen, uitgesteld tot 2 augustus 2028. Geïntegreerde AI-diagnosetechnologieën (beeldvorming, triage, klinische besluitvorming) hebben dus een uitstel van twee jaar.
Deze termijn betekent echter niet dat er geen verplichtingen zijn. Deze systemen blijven automatisch geclassificeerd als AI met een hoog risico, met strikte eisen voor governance, technische documentatie en post-marketing toezicht vanaf 2028. Fabrikanten die vandaag hun algoritmen ontwikkelen, moeten deze verplichtingen anticiperen om te voorkomen dat ze hun producten niet op tijd kunnen commercialiseren.
Sinds 2 augustus 2026 zijn de verplichtingen van artikel 50 van de AI Act al van toepassing. Elke conversatie-assistent die met patiënten wordt gebruikt, moet duidelijk aangeven dat het gaat om een interactie met een AI. Afbeeldingen, audiobestanden en synthetische video’s voor medisch gebruik moeten als zodanig worden gelabeld.
Deze maatregelen, gepubliceerd in het EU-Blad op 24 juli 2026, illustreren een bewuste keuze: patiënten beschermen op het gebied van transparantie voordat de prestaties van algoritmen worden gereguleerd. Acteurs die deze regelgevende evoluties volgen, zoals La Santé de Demain, maken het mogelijk om de kloof tussen technologische beloften en de werkelijkheid van de implementatie te meten.
Kunstmatige intelligentie in diagnostiek: autonome klinische agenten onder toezicht
De generatie AI die in 2026 opkomt, beperkt zich niet langer tot hulpmiddelen voor beeldinterpretatie. “AI-agenten” zijn in staat om volledige taken uit te voeren: symptomen prioriteren, aanvullende onderzoeken plannen, biologische resultaten analyseren en een behandelingscoördinatie voorstellen. Hun werking lijkt meer op die van een klinische co-piloot dan op een eenvoudig algoritmisch filter.
De feedback uit de praktijk verschilt hierover. Sommige instellingen rapporteren een significante tijdswinst bij de triage op de spoedeisende hulp, terwijl anderen het risico benadrukken van desengagement van de klinicus tegenover een machine die “beslist” in zijn plaats. De vraag naar medische verantwoordelijkheid blijft open: wie is verantwoordelijk wanneer een AI-agent een patiënt verkeerd prioriteert?
De voorzitter van de Europese Commissie herinnerde in september 2026 eraan dat AI in de gezondheidszorg “Europees moet blijven” en niet de plaats van artsen mag innemen. Het Verenigd Koninkrijk heeft dezelfde week zijn eigen aanbevelingen voor de regulering van medische AI gepubliceerd. Deze politieke standpunten weerspiegelen een reële spanning tussen de snelheid van technologische adoptie en de capaciteit van gezondheidsystemen om deze tools te kaderen.
Synthetische gegevens en klinisch onderzoek: een discrete versnelling
Onder de minst zichtbare maar meest structurele innovaties, verandert de generatie van synthetische gegevens voor klinisch onderzoek de manier waarop proeven worden ontworpen diepgaand. Het principe is om kunstmatige datasets te creëren die de statistische kenmerken van echte cohorten reproduceren, zonder persoonlijke gegevens van patiënten bloot te stellen.
De voordelen zijn drieledig:
- De training van medische AI-algoritmen versnellen zonder afhankelijk te zijn van ziekenhuisdatabases die aan de AVG zijn onderworpen en lange toegangstijden hebben
- Startups en KMO’s in de sector in staat stellen robuuste modellen te ontwikkelen zonder een bevoorrechte toegang tot gegevens van grote ziekenhuizen te hebben
- De vooroordelen die verband houden met te homogene cohorten verminderen door profielen van ondervertegenwoordigde patiënten in bestaande databases te simuleren
De beschikbare gegevens stellen nog niet in staat om conclusies te trekken over de langetermijnbetrouwbaarheid van deze synthetische datasets in vergelijking met echte gegevens. Regelgevende instanties hebben nog geen specifiek kader gepubliceerd om medische apparaten die uitsluitend zijn getraind op synthetische gegevens te valideren. Dit is een regelgevend blinde vlek die de adoptie zou kunnen belemmeren, ondanks het technische potentieel.
Genbewerking en gerichte therapieën: CRISPR betreedt een nieuwe fase
Genbewerking door CRISPR in combinatie met AI komt in een fase waarin genetische correcties zich niet langer alleen richten op zeldzame monogene ziekten. Algoritmen kunnen nu therapeutische doelen identificeren voor polygenische aandoeningen, waarbij meerdere genen interageren. De precisiemedicine toegepast op oncologie profiteert direct van deze convergentie, met benaderingen zoals vloeibare biopsie die het mogelijk maken om een behandeling aan te passen aan het moleculaire profiel van een tumor in bijna real-time.
Daarentegen blijft de overgang van onderzoek naar reguliere zorg traag. Goedkeurde gentherapieën betreffen nog steeds een beperkt aantal aandoeningen, en de productiekosten belemmeren hun generalisatie. 3D-bio-printing van weefsels, vaak gepresenteerd als een aanstaande revolutie, stuit op uitdagingen in de vascularisatie van de geprinte structuren die het onderzoek nog niet heeft opgelost.
Verbonden apparaten en digitale tweelingen: realtime patiëntbewaking
Draagbare sensoren die continu fysiologische gegevens naar een arts of algoritme verzenden, zijn niet langer experimenteel. Een diabetische patiënt kan zijn behandeling aanpassen via een sensor die is verbonden met zijn smartphone zonder te wachten op zijn volgende consult. Dit model van continue telemonitoring transformeert het zorgtraject door een deel van de monitoring buiten het ziekenhuis te verplaatsen.
De digitale tweeling gaat deze logica verder: het is de bedoeling om een virtuele dubbelganger van de patiënt te creëren, gevoed door zijn biologische gegevens, om het effect van een behandeling te simuleren voordat deze wordt toegediend. De meest geavanceerde toepassingen hebben betrekking op cardiologie en chirurgische planning.
De grenzen zijn bekend. De interoperabiliteit tussen apparaten blijft laag, de gegevensformaten variëren van de ene fabrikant naar de andere, en de integratie in ziekenhuisinformatiesystemen kost jaren. De technologie bestaat, maar de infrastructuur om deze op grote schaal te benutten blijft gefragmenteerd.
Het werkelijke tempo van deze transformaties zal minder afhangen van de uitvindingcapaciteit dan van de absorptiecapaciteit van de gezondheidsystemen. Tussen het regelgevende uitstel van de AI Act, de openstaande vragen over medische verantwoordelijkheid en de infrastructurele belemmeringen, moet elke innovatie verschillende filters doorlopen voordat deze daadwerkelijk het dagelijks leven van patiënten en zorgverleners verandert.
