Hoe Nauwkeurig Is een AI-arts? De Eerlijke Cijfers
Het eerlijke antwoord: een AI-arts is ongeveer even nauwkeurig als een niet-gespecialiseerde arts bij veelvoorkomende problemen, maar blijft duidelijk achter bij een expert. Een grote meta-analyse uit 2025 in npj Digital Medicine stelde de zelfstandige diagnostische nauwkeurigheid van generatieve AI op ongeveer 52%. Een AI-arts online kun je het beste behandelen als een belezen tweede mening, niet als een oordeel.
Een AI-arts is ongeveer even nauwkeurig als een niet-specialist bij veelvoorkomende problemen — een belezen tweede mening, geen oordeel.
Een AI-arts is geen vervanging voor een bevoegde arts en stelt geen diagnose. Bel bij medische spoedgevallen 112. De nauwkeurigheidscijfers hieronder leggen uit waar het goed voor is — en precies waar je nog steeds een echte arts nodig hebt.
Het Korte Antwoord: Hoe Nauwkeurig een AI-arts Werkelijk Is
Haal de marketing weg en het beeld is simpel: een generatief AI-diagnosetool, op zichzelf gebruikt, geeft iets meer dan de helft van de tijd het juiste antwoord — en dat ene cijfer verbergt enorme variatie per taak, invoerkwaliteit en met wie het wordt vergeleken.
Eén cijfer om je op te oriënteren: ~52%
Een systematische review en meta-analyse uit 2025 van 83 studies, gepubliceerd in npj Digital Medicine, vond dat generatieve AI-modellen een algemene diagnostische nauwkeurigheid van 52,1% bereiken (95%-BI 47,0–57,1%) wanneer ze op zichzelf werken. Dat klinkt laag, maar het is een gemiddelde over makkelijke en zeer moeilijke gevallen samen — de context rond het cijfer is belangrijker dan het cijfer zelf.
Vergeleken met een echte arts
Dezelfde meta-analyse vond geen statistisch significant verschil tussen AI en artsen in het algemeen (p=0,10), en geen significant verschil ten opzichte van niet-expert- of arts-assistenten (p=0,93). Maar AI presteerde significant slechter dan expertartsen — met ongeveer 15,8 procentpunt (p=0,007). In gewone taal: een AI-symptoomchecker is vergelijkbaar met een generalist die net klaar is met zijn opleiding, en duidelijk achter een specialist met jaren aan patroonherkenning — en wanneer je een AI-arts vergelijkt met een echte arts naast elkaar, zie je die kloof groter worden naarmate het geval moeilijker wordt.
Zelfstandige AI haalt ongeveer 52% — gelijk aan een niet-expert-arts maar ongeveer 16 punten achter een specialist.
Waarom het Nauwkeurigheidscijfer Zo Sterk Schommelt
Iedereen die koppen vergelijkt zal wild uiteenlopende cijfers zien — 97% in de ene studie, 40% in de andere. Die spreiding komt vooral door een handvol variabelen die zelden in de kop zelf worden genoemd:
- Hoe de invoer werd verzameld — een gestructureerd klinisch dossier versus de eigen woorden van een patiënt
- Of “correct” betekent het enige topantwoord of een van de top 3-5 suggesties
- Hoe vaak of zeldzaam de onderliggende aandoening voorkomt
- Welk model en welke versie werd getest, en wanneer
- Of de studie diagnose, triage, of beide mat
Rommel erin, rommel eruit: invoerkwaliteit is alles
In een JMIR-studie van 100 patiënten op de spoedeisende hulp bereikte ChatGPT draaiend op GPT-4 97% correcte-of-gedeeltelijk-correcte diagnoses — maar alleen omdat het hetzelfde door artsen samengestelde dossier kreeg dat de behandelende artsen gebruikten, compleet met vitale functies, labwaarden en klinische notities. Bij alleen de ruwe zelfgerapporteerde symptomen van een patiënt daalt de nauwkeurigheid van hetzelfde soort model naar ongeveer 50% voor een top-3-match. Het AI-diagnosetool is slechts zo goed als wat je het vertelt, en begrijpen hoe een AI-arts werkt onder de motorkap verklaart waarom precies hetzelfde model zo sterk kan schommelen op basis van invoerkwaliteit alleen.
Nauwkeurigheid schommelt op invoerkwaliteit: een volledig klinisch dossier kan 97% halen, je eigen woorden ongeveer 50%.
Top-1 vs top-3: welk cijfer noemen ze?
Een bewering van “70-80% nauwkeurig” betekent meestal dat het juiste antwoord ergens in de top drie suggesties van het AI-triagetool voorkomt, niet dat het de juiste aandoening als eerste noemde. Vraag hetzelfde systeem om één enkel antwoord en de nauwkeurigheid kan dalen naar 34-40%. Wanneer je een nauwkeurigheidsbewering ziet voor een AI-gezondheidsassistent, controleer dan of het top-1 of top-3 is — het zijn zeer verschillende beloften, en aanbieders neigen ertoe om met de meest vleiende te leiden.
| Meting | Typische nauwkeurigheid | Wat het betekent |
|---|---|---|
| Top-1 (enige beste antwoord) | 34-40% | Juiste diagnose als eerste genoemd, geen alternatieven aangeboden |
| Top-3 (juiste antwoord in shortlist) | 70-80% | Juiste aandoening verschijnt tussen 3 suggesties |
| Door arts samengestelde invoer (volledig dossier) | Tot 97% | Gevoed met dezelfde gestructureerde data die een arts gebruikt |
| Alleen zelfrapportage patiënt | ~50% (top-3) | Gevoed met ruwe, ongestructureerde symptoombeschrijvingen |
Waar een AI-arts Nauwkeurig Is — en Waar Hij Faalt
Diagnostische nauwkeurigheid is niet één vaardigheid; het zijn er meerdere, en een AI-arts is in sommige veel beter dan in andere. Weten welke welke is verandert hoe je de tool eigenlijk zou moeten gebruiken.
Een AI-arts is sterk in triage, veelvoorkomende klachten en beeldpatronen — zwak bij zeldzame, multisysteemgevallen en zelfverzekerde onjuistheid.
Sterk in triage. Een AI-arts is het meest betrouwbaar wanneer de vraag is “hoe dringend is dit”, niet “wat is dit precies”. Een symptoom sorteren als spoed, urgent of routine is een nauwere, beter gedefinieerde taak dan het bereiken van een definitieve diagnose, en modellen doen dit meestal consistenter.
Sterk bij veelvoorkomende, goed gedocumenteerde klachten. Rechttoe rechtaan, vaak geziene problemen — het soort met overvloedige trainingsdata en duidelijke symptoompatronen — spelen in op de sterke kanten van een generatief AI-diagnosetool.
Sterk in smalle, beeldrijke specialismen. Bij patroonherkenningstaken zoals dermatologie vond een gepoolde analyse van prospectieve melanoomdetectiestudies dat AI alleen ongeveer 80,9% sensitiviteit en 75,6% specificiteit bereikte — vergelijkbaar met ongeholpen dermatologen — oplopend tot ongeveer 91,9% sensitiviteit en 83,7% specificiteit wanneer AI een dermatoloog assisteert in plaats van vervangt. Goed gedefinieerde visuele patroonproblemen liggen dicht bij het thuisterrein van de tool.
Zwak bij complexe, zeldzame of multisysteemgevallen. Nauwkeurigheid daalt scherp wanneer symptomen zich over lichaamssystemen overlappen of wijzen op een ongewone aandoening — precies daar waar het oordeel van een expertarts het meest telt.
Zwak op een manier die makkelijk te missen is: zelfverzekerde onjuistheid. Een AI-arts kan een onjuiste diagnose stellen in vloeiende, geruststellende taal, zonder zichtbaar voorbehoud om twijfel te signaleren. Een plausibel klinkend resultaat is niet hetzelfde als een correct resultaat, wat precies de reden is waarom een menselijke controle nog steeds belangrijk is.
Kun je de Studies Vertrouwen? Lees de Kleine Lettertjes
Zelfs de bemoedigende cijfers hierboven komen met kanttekeningen die het waard zijn te kennen voordat je ze meeweegt.
In de meta-analyse van 83 studies waren 63 van de 83 studies — 76% — beoordeeld als hoog risico op vertekening (bias), en de auteurs signaleerden statistisch significante publicatiebias (p=0,045), wat betekent dat vleiende resultaten waarschijnlijk oververtegenwoordigd zijn in de gepubliceerde literatuur. Het koppenmakende resultaat van 97% op de spoedeisende hulp kwam uit één enkele studie van slechts 100 patiënten, zonder vooraf geplande steekproefgrootteberekening om te bevestigen dat de bevinding op schaal standhoudt.
| Beperking | Wat de data toont | Waarom het ertoe doet |
|---|---|---|
| Risico op vertekening | 63 van 83 studies (76%) beoordeeld als hoog risico | Veel resultaten kunnen gunstiger zijn dan gebruik in de praktijk zou opleveren |
| Publicatiebias | Statistisch significant (p=0,045) | Studies met teleurstellende resultaten worden minder vaak gepubliceerd |
| Kleine steekproeven | SEH-studie gebaseerd op 100 patiënten | Geen vooraf geplande steekproefgrootte om te bevestigen dat het cijfer van 97% generaliseert |
| Samengestelde vs ruwe invoer | 97% (samengesteld dossier) vs ~50% (zelfrapportage) | De nauwkeurigheid van hetzelfde model schommelt met ongeveer 47 punten afhankelijk van invoerkwaliteit |
Een paar terugkerende hiaten duiken op in dit onderzoeksveld:
- De meeste studies testen AI tegen op tekst gebaseerde vignetten, niet tegen rommelige praktijkgesprekken
- Weinig onderzoeken meten wat er gebeurt na een verkeerd AI-antwoord, oftewel vervolgschade
- Steekproefgroottes zijn vaak te klein om het vertrouwen te ondersteunen dat het kopcijfer suggereert
- Onafhankelijke replicatie buiten het oorspronkelijke onderzoeksteam is nog steeds zeldzaam
De auteurs van die meta-analyse waren onomwonden over wat hun eigen cijfers betekenen:
Generatieve AI-modellen zijn nog geen betrouwbare vervanging voor expertartsen, maar kunnen dienen als waardevolle hulpmiddelen in niet-expertscenario’s en als educatieve tools voor medische leerlingen.
npj Digital Medicine meta-analyse, 2025
Behandel kop-nauwkeurigheidscijfers als optimistische plafonds, niet als garanties. Een cijfer uit een kleine studie met hoog risico op vertekening is niet hetzelfde als een cijfer dat standhoudt voor jouw specifieke symptomen.
Hoe een AI-arts Veilig te Gebruiken Gezien Zijn Nauwkeurigheid
Gezien de cijfers hierboven is de slimme zet om de tool af te stemmen op waar hij daadwerkelijk goed in is in plaats van op waar hij toe in staat lijkt.
- Beschrijf symptomen in detail, niet in steno. Nauwkeurigheid hangt sterk af van invoerkwaliteit, dus vermeld duur, ernst en eventuele veranderingen in de tijd.
- Lees eerst de triage-aanwijzingen. Urgentiebeoordeling is waar een AI-symptoomchecker het meest betrouwbaar presteert — let op als het iets als urgent markeert.
- Vraag om de top 3, niet alleen de top 1. Een shortlist van mogelijkheden is eerlijker dan één enkel zelfverzekerd klinkend antwoord.
- Gebruik het om vragen voor te bereiden voor een echte afspraak. Vage zorg omzetten in een specifieke lijst met vragen is een van de meest betrouwbare toepassingen van de tool.
- Verifieer alles wat ertoe doet bij een bevoegde zorgverlener, vooral bij nieuwe, ernstige of aanhoudende symptomen.
- Escaleer onmiddellijk als symptomen verergeren — wacht niet tot de AI bijtrekt.
- Behandel een enkel AI-antwoord nooit als definitief. Toets het aan hoe je je werkelijk voelt en aan professioneel advies.
Een AI-diagnosetool is meestal het nuttigst voor een specifieke reeks taken en het minst nuttig voor andere. Voordat je erop leunt, helpt het te weten aan welke kant van die lijn jouw situatie valt:
- Onbekende medische termen uit een labuitslag of verwijsbrief begrijpen
- Inschatten hoe dringend een nieuw symptoom kan zijn
- Een duidelijke lijst met vragen voorbereiden vóór een doktersbezoek
- Algemene gezondheidsvoorlichting krijgen over een aandoening die je al hebt
- Kiezen tussen een bezoek op dezelfde dag, een geplande afspraak of afwachtend beleid
De collegiaal getoetste consensus is onomwonden: generatieve AI is een waardevol hulpmiddel in niet-expertscenario’s, geen betrouwbare vervanging voor een expertarts. De Amerikaanse Food and Drug Administration houdt AI-ondersteunde medische apparaten bij die zijn goedgekeurd voor de markt juist omdat ongeverifieerde AI-uitvoer een reëel klinisch risico met zich meebrengt — een herinnering dat toezichthouders, niet alleen onderzoekers, deze nauwkeurigheidskloof als wezenlijk beschouwen.
Gebruik het veilig: beschrijf symptomen volledig, lees eerst de triage, vraag om de top 3 en verifieer alles wat ernstig is bij een zorgverlener.
Wanneer je de AI Overslaat en een Echte Arts Raadpleegt
Een AI-arts is geen vervanging voor een bevoegde arts en stelt geen diagnose. Bel bij medische spoedgevallen 112.
Geen enkel nauwkeurigheidspercentage — niet 52%, niet 97% onder ideale omstandigheden — maakt een AI-diagnosetool veilig om op te vertrouwen bij een ernstig, plotseling of verergerend symptoom. Sla de AI over en ga rechtstreeks naar een echte arts of spoedeisende zorg voor symptomen zoals:
- Pijn op de borst of druk, of ademhalingsproblemen
- Een plotselinge, hevige hoofdpijn anders dan ooit tevoren
- Ongecontroleerde bloeding of een snel verergerend letsel
- Tekenen van een beroerte — scheefhangend gezicht, arm-zwakte, onduidelijk spreken
- Elk symptoom dat gewoon aanvoelt als een noodgeval
Gebruik een AI-gezondheidsassistent om jezelf te informeren en je gedachten te ordenen, en laat dan een bevoegde zorgverlener de daadwerkelijke beslissing nemen.
Geen enkel nauwkeurigheidscijfer maakt AI veilig voor alarmsignalen — pijn op de borst, tekenen van een beroerte of ernstige bloeding betekenen: bel 112.