In 2021 schreef ik voor het eerst over de digitale transformatie van ziekenhuis Rijnstate: van 750 naar 450.000 bedden. Een jaar later volgde, naar aanleiding van het event ‘Zorg van de Toekomst’ in het in aanbouw zijnde ziekenhuis van de toekomst in Elst, een update. Intussen zijn we bijna drie jaar verder, en is het hoog tijd om opnieuw stil te staan bij de ontwikkeling die Rijnstate sindsdien heeft doorgemaakt.
Rijnstate is een topklinisch ziekenhuis met locaties in Arnhem, Zevenaar en Elst. Het bedient een regio van zo’n 450.000 inwoners. In 2023 behandelde het ziekenhuis meer dan 300.000 unieke patiënten, werden 1,6 miljoen afspraken ingepland en vonden ruim 31.000 klinische opnames plaats. Rijnstate telt meer dan 700 bedden, 29 specialismen en ruim 6.600 medewerkers.
Visie en strategie
De digitale transformatie vindt haar oorsprong in een duidelijke ambitie: zorg leveren die beter aansluit op de behoeften van patiënten in een veranderende samenleving. In 2017 sloot Rijnstate een meerjarig contract met zorgverzekeraar Menzis. Doel was om zorg dichter bij de patiënt te organiseren, de kliniek van de toekomst te ontwikkelen en samen met partners te werken aan netwerkzorg, thuiszorg en waardegedreven behandeltrajecten. Deze koers werd versterkt door de toenemende zorgvraag in de regio Arnhem en de noodzaak om zorg beschikbaar en betaalbaar te houden.
Vanaf 2018 kreeg de transformatie steeds concretere vorm. Rijnstate ging een nieuwe tienjarige samenwerking met Philips aan om een virtueel zorgcentrum te ontwikkelen, van waaruit patiënten thuis gemonitord kunnen worden. Het idee was dat elk ziekenhuisbed virtueel verlengd kan worden naar een bed in de thuissituatie. In datzelfde jaar stapte het ziekenhuis over op een nieuw elektronisch patiëntendossier (HiX) en werd het patiëntenportaal vernieuwd. Daarmee werd de basis gelegd voor verdere digitalisering van zorgpaden.
In 2019 publiceerde Rijnstate een digitale strategie (pdf) met drie fasen: digitalisering van bestaande processen, optimalisatie van zorg via digitale functionaliteiten, en uiteindelijk innovatie door transformatie van het zorgmodel.
Deze strategie, opgesteld in samenwerking met de medische staf, het bestuur, chief information officer (CIO) Mark van der Velden en chief medical information officer (CMIO) Pauline Buscher-Jungerhans, gaf richting aan de keuzes voor de komende jaren. Datzelfde jaar werd de functie van chief nursing information officer (CNIO) geïntroduceerd. Mascha Keller werd benoemd als CNIO om namens de verpleegkundigen de digitale strategie te ondersteunen en te realiseren.
Tijdens een debat van de Blommestein Groep begin 2020, stelt Hans Schoo dat over vijf jaar alle zorgpaden gedigitaliseerd zijn.
Van COVID-crisis naar digitale versnelling
De coronapandemie werkte als versneller. Rijnstate introduceerde thuismonitoring van COVID-19-patiënten, versnelde digitale consultatie en verbeterde de digitale vaardigheden van medewerkers.
In juni 2020 startte Rijnstate met een virtueel zorgcentrum, waar verpleegkundigen en artsen patiënten op afstand konden volgen via digitale platforms zoals de Luscii-app. Dit maakte het mogelijk ziekenhuisopnames te verkorten en de zorg efficiënter te organiseren, wat cruciaal was tijdens de piekbelasting door COVID-19.
In 2021 begon de bouw van een nieuwe vestiging in Elst, die een voorbeeld moet worden van hoe digitale technologie verweven kan zijn met zorg en organisatie.
Zorg thuis, data op afstand
In het jaarverslag over 2023 zijn de eerste resultaten zichtbaar. Er waren 188.000 unieke bezoeken aan het patiëntenportaal, 47.540 e-consulten en bijna 270.000 ingevulde digitale vragenlijsten. Digitale consultaties met huisartsen groeiden van 3.500 in 2021 naar 8.660 in 2023. Daarnaast werden toepassingen als smart glasses, operatierobots, animaties voor patiëntvoorlichting en thuistoediening van medicatie geïntroduceerd.
De kern van de digitale innovaties ligt in de verplaatsing van zorg van het ziekenhuis naar de thuissituatie. Nadat men in 2020 is gestart met het virtueel zorgcentrum, zijn in 2024 negentien zorgpaden actief, waaronder voor infectieziekten, COPD en zwangerschapsdiabetes. Rijnstate breidt het aantal toepassingen van thuismonitoring uit, bijvoorbeeld bij longoperaties, heupprotheses, milde cognitieve stoornissen, geneesmiddelenallergie, MS en hartrevalidatie. Artsen en verpleegkundigen volgen de patient op afstand en grijpen alleen in wanneer nodig. De inzet van thuismonitoring leidt tot minder ziekenhuisopnames, kortere verblijfsduur en meer tevreden patiënten. Zo bezoeken patiënten met chronische nierschade de polikliniek nog maar één keer per jaar in plaats van zes.
Parallel daaraan wordt op verpleegafdelingen geëxperimenteerd met monitoring op afstand om ic-opnames te voorkomen. Ook in de preoperatieve voorbereiding worden digitale middelen ingezet, zoals het 3D-platform Rijnstate InZicht en toepassingen als Virtual Fracture Care.
Ook op afdelingen zoals neurologie worden slimme technologieën ingezet, zoals de NightWatch: een armband die ’s nachts epileptische aanvallen detecteert op basis van hartslag en beweging. De inzet begon met vier patiënten en wordt uitgebreid.
Tegelijkertijd wordt de infrastructuur verbeterd. Het patiëntenportaal Mijn Rijnstate krijgt een app-versie, een mobiele versie van het EPD voor verpleegkundigen wordt in gebruik genomen en het ziekenhuis behaalt de laatste VIPP 5-module, wat veilige gegevens-uitwisseling tussen instellingen en met patiënten mogelijk maakt. De introductie van QR-codes voor afspraken en dashboards voor patiëntuitkomsten zijn andere voorbeelden van digitalisering in de praktijk.
In september 2023 opende de toenmalige minister Ernst Kuipers het nieuwe Rijnstate Elst: het ziekenhuis van de toekomst. Het dagziekenhuis is laagdrempelig ingebed in de wijk en sterk gericht op toegankelijke, lokale zorg. Rijnstate Elst biedt ruimte aan 15 tot 20 specialismen, waaronder dermatologie, oogheelkunde, pijnbehandeling en Vitalys. Digitalisering en virtuele zorg zijn van meet af aan integraal onderdeel van de zorgpaden.
Allianties en innovatie
Wim van Harten, een belangrijke drijvende kracht achter de digitale transformatie van Rijnstate, vertrok per 1 januari 2024 als voorzitter van de raad van bestuur. In zijn afscheidsinterview in fmt gezondheidszorg gaf hij aan dat Rijnstate als een van de eerste ziekenhuizen een digitale strategie formuleerde. Een substantieel deel van het investeringsbudget werd destijds gereserveerd voor ict-infrastructuur, softwareverbeteringen en innovatie.
Van Harten speelde een belangrijke rol bij toenemende samenwerkingen, zoals met de Universiteit Twente en het National eHealth Living Lab (NeLL), om de beoogde doelen te realiseren.
Een belangrijke ontwikkeling is het Europese samenwerkingsproject HealthChain, waarin Rijnstate samen met onder andere Philips en BeterDichtbij werkt aan interoperabele systemen en opschaling van thuismonitoring. Hieruit zijn onder meer de projecten Digicare-Aware en DELSIS voortgekomen. Digicare-Aware richt zich op adoptie van digitale zorg door professionals, DELSIS op het bepalen van passende leefstijlondersteuning voor patiënten.
In samenwerking met de Hogeschool Arnhem Nijmegen zijn een Leerafdeling en een Leer Innovatie Afdeling (LIA) opgezet. Studenten, onderzoekers en zorgprofessionals werken hier samen aan het verbeteren van digitale zorgpraktijken. Via het Digital Health Challenge Lab wordt geëxperimenteerd met nieuwe toepassingen.
Van technologie naar transformatie
Opvallend is de toenemende inzet van kunstmatige of artificiële intelligentie (AI). Rijnstate werkt bijvoorbeeld aan een AI-model om de effectiviteit van stentgraftbehandelingen te voorspellen. De NightWatch, die tijdens het slapen veranderingen in hartslag en beweging detecteert om nachtelijke epileptische aanvallen te herkennen, wordt inmiddels breder ingezet. Ook bij navigatiebronchoscopie wordt AI genoemd, al is het gebruik daar nog niet standaard.
Strategische allianties worden versterkt, onder andere met het Radboudumc op het gebied van AI, duurzaamheid en digitale transformatie. In projecten zoals Samen Kwiek wordt gewerkt aan het verbinden van zorg en welzijn in de regio, met aandacht voor gezondheidsvaardigheden en laaggeletterdheid.
Een belangrijke stap is ook de implementatie van het mProve-transformatieprogramma. Rijnstate werkt hierin samen met zes andere topklinische ziekenhuizen aan passende zorg en arbeidsbesparende technologie. Voorbeelden zijn AI-ondersteunde transcriptie, het voorspellen van no-shows en digitale preoperatieve screening. Het samenwerkingsverband ontvangt 12,9 miljoen euro aan IZA-transformatiegelden voor twaalf projecten.
Digitale technologie blijft voor Rijnstate een middel om zorg anders te organiseren. Tegelijk ontstaat spanning tussen ambitie en uitvoerbaarheid. Technologie is beschikbaar, maar gedrag, organisatie en infrastructuur lopen niet altijd synchroon. Daarom blijft structurele investering in implementatievermogen, digitale vaardigheden, leerinfrastructuren en governance van regionale netwerken van belang. De verbinding tussen zorg, welzijn en technologie vraagt om sturing voorbij de grenzen van het ziekenhuis.
De reis gaat door
De recent gepubliceerde strategische koers ‘Samen vooruit‘ voor de periode 2025–2028 bevestigt deze richting: digitalisering is geen doel, maar een middel voor passende, verbonden en toekomstbestendige zorg. Het wordt niet langer als apart thema behandeld, maar als integraal onderdeel van alle domeinen binnen en buiten het ziekenhuis: zorg, werk, netwerk en organisatie.
Deze integratie komt voort uit de noodzaak om de toenemende zorgvraag, personeelstekorten en betaalbaarheid het hoofd te bieden. Technologie wordt gepositioneerd als structurele hefboom voor zorgtransformatie, werkplezier, duurzaamheid en netwerkvorming.
De strategie verbreedt het gebruik van digitale middelen. Rijnstate wil zorg meer digitaal én thuis aanbieden, met nadruk op waardegedreven zorg, zelfmanagement en preventie. Innovatie richt zich op arbeidsbesparende technologie, AI, datagedreven werken en slim gebruik van infrastructuur. Het ziekenhuis spreekt expliciet over de ontwikkeling naar een ‘smart hospital’, waarin technologie zorg- en werkprocessen verbetert.
Een opvallende toevoeging is de expliciete aandacht voor digitale vaardigheden van zowel medewerkers als patiënten. Rijnstate erkent dat digitalisering alleen slaagt als technologie begrijpelijk en toegankelijk is voor iedereen. Dit sluit aan bij bredere maatschappelijke thema’s zoals laaggeletterdheid en gezondheidsvaardigheden.
De conclusie is dat Rijnstate de digitale transformatie niet alleen voortzet, maar structureel verankert in haar langetermijnstrategie. De rol van technologie wordt verbreed: van efficiency naar zorgvernieuwing, werkplezier en netwerkzorg. Bij Rijnstate blijft het uitgangspunt patiënten de beste zorg geven op de juiste plek met als uiteindelijke doel: alleen nog naar het ziekenhuis als het echt nodig is.
Tot slot
Een indrukwekkende digitale reis die Rijnstate de afgelopen jaren heeft doorgemaakt. Wat begon als een digitale strategie, is uitgegroeid tot een structurele vernieuwing van zorg en organisatie. Tegelijk dringen zich nieuwe vragen op. Met het toenemende aantal apps en digitale toepassingen rijst de vraag hoe het IT-landschap beheersbaar blijft. Berichten over organisaties zoals de politie, die ‘worstelen’ met het IT-beheer van 1.400 applicaties, maken dat extra actueel.
Ook ben ik benieuwd naar de ervaringen van patiënten en zorgverleners. Wat merken verpleegkundigen en medisch specialisten daadwerkelijk in hun dagelijks werk? Wordt hun werk eenvoudiger, effectiever of juist complexer door digitale tools? Wordt de belofte van regie en tijdwinst ook werkelijk ervaren?
De digitale transformatie van organisaties is nooit voltooid – ook niet die van Rijnstate. Maar de richting is helder, de ambities zijn stevig en de ervaringen tot nu toe maken nieuwsgierig naar het vervolg. Ik blijf het met veel interesse volgen.
Bronnen
De update is hoofdzakelijk geschreven op basis van publieke data die o.a. is te gevonden op de website van Rijnstate:
8 reacties
Mooi om te lezen. Let echter wel op dat predictive AI nog niet goed werkt en dat mogelijk ook nooit gaat doen. Anders dan met generative AI, zijn er onvoldoende databronnen voor alle relevante variabelen, en als die er wel zouden zijn zijn computers nog onvoldoende krachtig om dat allemaal door te rekenen. Vaak zijn zelfs de variabelen die van invloed zouden kunnen zijn op een juiste voorspelling niet eens bekend. Zo proberen we al honderden jaren om de weersvoorspelling te verbeteren. Dat is nog steeds een uitdaging omdat de modellen steeds complexer worden. Dat is ook met predictive AI niet op te lossen, want waar train je je model op?
Op welke toepassing van Rijnstate doel je nu mbt predictive AI?
Overigens geldt de statistische betrouwbaarheid voor alle AI, dus ook voor generatieve AI omdat het per definitie stochastische modellen zijn gebaseerd op traininsgdata. AI-modellen zullen ten alle tijden moeten worden gevalideerd en op basis van de validatieresultaten kan een afweging worden gemaakt of deze wel of niet kunnen worden toegepast in de praktijk.
In het boek “AI Snake Oil” maken Arvind Narayanan en Sayash Kapoor een cruciaal onderscheid tussen twee vormen van AI die fundamenteel van elkaar verschillen in werking, toepassing en beperkingen.
Generatieve AI is technologie die nieuwe content creëert op basis van een prompt. ChatGPT is hiervan het bekendste voorbeeld – een systeem waarbij je een vraag stelt of opdracht geeft, en het systeem reageert met gegenereerde tekst. Deze technologie heeft de afgelopen jaren enorme vooruitgang geboekt en wordt door de auteurs erkend als een echte technische doorbraak, ondanks de risico’s die ermee gepaard gaan.
Predictive AI daarentegen probeert de toekomst van mensen te voorspellen en beslissingen te nemen op basis van deze voorspellingen. Deze systemen worden gebruikt voor zeer impactvolle beslissingen zoals:
• Wie een lening zou moeten krijgen
• Wie in een ziekenhuis moet worden opgenomen
• Wie een baan krijgt
• Beslissingen in het strafrechtssysteem
De auteurs benadrukken dat deze technologieën zo weinig met elkaar gemeen hebben dat het gebruik van de overkoepelende term “AI” voor beide misleidend is – vergelijkbaar met het gebruik van “voertuig” zonder onderscheid te maken tussen fietsen, auto’s en ruimteschepen.
Volgens Narayanan en Kapoor is predictive AI vaak “snake oil” – technologie die niet werkt zoals geadverteerd en waarschijnlijk ook nooit zal werken zoals beloofd. Hiervoor geven ze verschillende redenen:
1. Inherente onvoorspelbaarheid: Het voorspellen van menselijk gedrag is fundamenteel moeilijk. Zoals Kapoor stelt: “Zoals iedereen op straat je kan vertellen, is het voorspellen van iemands toekomst echt, echt moeilijk”. Er zijn eenvoudigweg teveel variabelen van invloed op het gedrag van “systemen” als de mens of het klimaat. Dat kan een AI nooit allemaal overzien. Daar heeft het de data en rekenkracht niet voor.
2. Terugkerende tekortkomingen in predictive AI-systemen:
• Goede voorspellingen die leiden tot slechte beslissingen
• Het aanmoedigen van gaming en strategische manipulatie
• Overmatig vertrouwen op AI zonder adequate menselijke controle
• Het gebruik van data van één populatie om voorspellingen te doen over een andere
• Het verergeren van bestaande ongelijkheden
3. Contextuele problemen: Predictive AI-systemen worden vaak ontwikkeld ver van de omgevingen waarin ze worden ingezet. Ze worden verkocht als universele oplossingen door ontwikkelaars die weinig begrip hebben van de specifieke contexten waarin ze zullen worden gebruikt.
4. Schijnbare correlaties: Het is moeilijk om te bepalen welke correlaties in de data betekenisvol zijn en welke toevallig, wat kan leiden tot volledig onjuiste uitkomsten.
5. Ondoorzichtige besluitvorming: Veel predictive AI-systemen missen transparantie, waardoor het moeilijk is om hun besluitvormingsprocessen te begrijpen.
De auteurs concluderen dat hoewel generatieve AI, ondanks zijn imperfecties, nuttig kan zijn wanneer het op de juiste manier wordt toegepast, predictive AI fundamenteel beperkt is in zijn vermogen om menselijk gedrag nauwkeurig te voorspellen – ondanks het feit dat deze technologie momenteel wordt verkocht en op de markt gebracht in producten die levensveranderende beslissingen nemen.
Op basis van de inzichten uit het boek “AI Snake Oil” van Arvind Narayanan en Sayash Kapoor zouden er belangrijke waarschuwingen geplaatst moeten worden bij de predictive AI-toepassingen die Rijnstate implementeert.
Voor het voorspellen van stentgraftbehandelingen zou de waarschuwing zijn dat predictive AI fundamenteel beperkt is in het nauwkeurig voorspellen van menselijke uitkomsten. De auteurs benadrukken dat predictive AI vaak niet zo goed werkt als wordt beweerd en gedreven wordt door hype en mythes over de nauwkeurigheid van predictieve modellen. Zij vergelijken dit met “snake oil” – producten die niet werken en waarschijnlijk ook nooit zullen werken zoals beloofd.
Voor het voorspellen van no-shows geldt dezelfde waarschuwing. Volgens Narayanan en Kapoor is het voorspellen van menselijk gedrag inherent moeilijk. Zoals Kapoor stelt: “Het voorspellen van iemands toekomst is echt, echt moeilijk”. Predictieve modellen kunnen correlaties in historische data vinden, maar deze correlaties zijn niet altijd betekenisvol en kunnen leiden tot onjuiste uitkomsten. Daarbij is het de vraag of de data waarop de modellen worden getraind voldoende relevant en voldoende in omvang en breedte zijn.
De auteurs identificeren meerdere tekortkomingen in predictive AI-systemen die relevant zijn voor zorgimplementaties:
1. Goede voorspellingen kunnen leiden tot slechte beslissingen – Zelfs als het model statistisch correct is, kan het leiden tot beslissingen die niet in het belang van de patiënt zijn.
2. Overmatig vertrouwen op AI zonder adequate menselijke controle – In de medische context is dit bijzonder gevaarlijk.
3. Het gebruik van data van één populatie om voorspellingen te doen over een andere – Modellen getraind op bepaalde patiëntgroepen kunnen minder nauwkeurig zijn voor andere demografische groepen.
4. Contextuele problemen – AI-systemen worden vaak ontwikkeld ver van de zorgomgevingen waarin ze worden ingezet, zonder voldoende begrip van de specifieke context.
5. Ondoorzichtige besluitvorming – Veel AI-systemen missen transparantie, wat problematisch is in de gezondheidszorg waar beslissingen letterlijk levensbelangrijk kunnen zijn.
De auteurs pleiten voor een voorzichtige, geïnformeerde benadering van AI met menselijk toezicht als essentieel element. Ze benadrukken dat we kritisch moeten blijven en AI altijd moeten combineren met menselijk oordeel, vooral in complexe contexten zoals de gezondheidszorg.
Omwille van de efficiëntie is bovenstaande reactie met behulp van Perplexity opgesteld.
Dat idee had ik al 😉
Ken het boek niet, maar ben toch wel wat verbaasd over wat daar dan blijkbaar staat beschreven. Het is prima om onderscheid te maken tussen deze twee vormen van AI (wat ik overigens liever patroonherkenning vs genereren van patronen zou noemen ipv predictive AI en generative AI), maar beiden zijn stochastische modellen en beiden hebben daardoor beiden te maken met een statistische betrouwbaarheid.
Als patiënt ben ik erg blij met de digitale reis die Rijnstate heeft doorgemaakt. Zeker omdat ik te maken heb met meerdere ziekenhuizen zie ik goed de groei en in mijn ogen voorlopersrol waar Rijnstate in fungeert.
Door de digitale stappen die Rijnstate heeft doorgemaakt kan ik mij beter op een bezoek voorbereiden en soms een bezoek zelfs “voorkomen” door in plaats daarvan in digitaal contact met mijn specialist te staan. Ook goed (ik blijf maar pluimen uitdelen) was de rol die ik had in hun patiëntpanel, samen de schouders eronder op weg naar betere zorg!
Wat goed om te horen Tim; daar zal Rijnstate ook blij mee zijn!
Zie ook LinkedIn:
https://www.linkedin.com/feed/update/urn:li:activity:7314873195356971008/