De AI liet een geschikte patiënt vallen omdat hij een hartkatheterisatie niet kon onderscheiden van een infuuslijn

De eerste patiënt die we verloren, verloren we door een woord.

Een fase III-studie met een antistollingsmiddel waarop we een pilot draaiden, sloot iedereen uit die een "hartkatheterisatie" had ondergaan. Redelijk — het is een hartprocedure met bloedingsrisico, precies het soort voorgeschiedenis dat iemand diskwalificeert voor een studie met een bloedverdunner. Ons matchingsysteem markeerde een kandidaat als niet-geschikt en ging verder. Netjes. Zelfverzekerd. Fout.

De patiënt had nooit een hartkatheterisatie gehad. Haar dossier bevatte een aantekening over een "plaatsing van een centraalveneuze katheter" — een infuuslijn die op de IC in een ader werd ingebracht zodat ze medicatie kon krijgen. Andere procedure. Ander deel van het lichaam. Een volledig ander risicoprofiel. Voor een verpleegkundige zijn deze bij lange na niet te verwarren. Voor de AI die we hadden gebouwd, scoorden "katheter" plus "veneus" plus een cardiovasculair klinkende context als een bijna-match, en een geschikte vrouw viel stilletjes uit de trechter.

Ik wil je vertellen hoe ik het grootste deel van een jaar ben gaan besteden aan het obsessief piekeren over die ene weggevallen patiënt, want het leerde me wat niemand die AI voor werving van klinische studies verkoopt hardop wil zeggen: het probleem bij het matchen van patiënten was nooit het vinden van genoeg mensen. Het is dat de machines die de matching doen woorden lezen, terwijl geschiktheid voor een studie draait om medische concepten — en dat zijn niet dezelfde dingen.

80% van de studies haalt de inschrijvingstermijnen niet. De sector blijft dat behandelen als een aanbodprobleem. Het is een precisieprobleem.

De fout die ik eerst maakte

Ik geef dit meteen toe, want daar draait het hele verhaal om. Toen we begonnen, zat ik in het kamp dat geloofde dat dit in wezen was opgelost.

De redenering ging als volgt. Jarenlang draaide het matchen van studies op zoeken op trefwoorden — grof, broos, ellendig. Toen kwamen de grote taalmodellen, en opeens kon software een ongestructureerde artsennotitie lezen zoals een mens dat doet. Ik keek daarnaar en concludeerde dat het moeilijke deel achter ons lag. We zouden een sterk model nemen, het geschiktheidscriteria en patiëntendossiers voeren, de prompts afstemmen, en de matching zou gewoon werken. Ik pleitte ervoor. Ik vertelde mijn team dat de resterende kloof klein was, een kwestie van betere retrieval en zorgvuldiger prompten.

We bouwden dat systeem. Het demode prachtig. Bij de eenvoudige gevallen — de patiënt die duidelijk stadium II-borstkanker heeft, het criterium dat duidelijk zegt "geen eerdere chemotherapie" — was het echt goed. De cijfers die je in verkooppresentaties van leveranciers ziet, komen precies uit deze gevallen. Tempus, dat begin 2025 Deep 6 AI overnam en uitbreidde naar meer dan 750 zorglocaties, meldt dat zijn Patient Query-agent 94.39% nauwkeurigheid haalt over een reeks geëvalueerde queries. Dat cijfer is echt. Ik geloof het. Het meet ook de gevallen die nooit het probleem waren.

De catheterisatiepatiënt was het moment waarop mijn versie van het systeem stierf. Ik zat te achterhalen waarom ze was weggevallen, in de verwachting een bug te vinden. Er was geen bug. Het systeem had precies gedaan wat vectorsimilariteit doet — twee strings gescoord op hoe dicht ze in de semantische ruimte bij elkaar liggen — en twee procedures die het woord "katheter" delen, liggen inderdaad heel dicht bij elkaar. Geen enkele hoeveelheid prompt engineering zou het leren dat de ene onder "procedure aan het hart" valt en de andere onder "katheterisatie van een ader". Het had geen concept van het hart. Het had alleen woorden over het hart.

Waarom verwarren taalmodellen medische termen?

Dit is het onderscheid dat opnieuw vormgaf aan hoe ik over dit hele vakgebied denk.

Wanneer een clinicus "plaatsing van een centraalveneuze katheter" leest, verwerkt hij geen vijf tokens. Hij haalt een concept op — een specifiek knooppunt in een enorme, gestructureerde hiërarchie van medische kennis, met ouders en kinderen en broers en zussen, met een precieze plek die zegt dit is een procedure voor vasculaire toegang, geen cardiale procedure. Die hiërarchie bestaat daadwerkelijk, formeel, als een klinische ontologie genaamd SNOMED-CT. Daarin is hartkatheterisatie concept-ID 41976001, ondergebracht bij procedures aan het hart. Centraalveneuze katheterisatie is 392230005, ondergebracht bij katheterisatie van een ader. Twee verschillende takken van de boom. Een systeem dat over de boom redeneert, kan ze niet verwarren. Een systeem dat over woordnabijheid redeneert, verwart ze voortdurend.

Dit is geen eigenaardigheid die ik in mijn eentje ontdekte. Gepubliceerde evaluaties hebben gedocumenteerd dat AI-modellen precies deze fout maken — "hartkatheterisatie is gelijk aan centraalveneuze punctie" (Fierce Biotech, 2025). Het vertegenwoordigt een hele klasse aan fouten — overal waar procedures, aandoeningen of medicijnen woordenschat delen maar medisch uiteenlopen. Coronaire angiografie en perifere angiografie. Ze delen "angiografie." De ene is een hartprocedure; de andere is vasculaire toegang. Een taalmodel scoort ze als neven. De ontologie weet dat het vreemden zijn.

Vermenigvuldig dat nu met een heel protocol aan criteria, over een portfolio van studies, en je hebt geen randgeval. Je hebt een systematisch geschiktheidslek dat stilletjes op de achtergrond draait van elke probabilistische matcher in de sector.

Een taalmodel weet dat "katheter" in de buurt van "cardiaal" voorkomt. Het heeft geen idee dat de ene een hartprocedure is en de andere een infuuslijn. In die kloof verdwijnen geschikte patiënten.

De uitzonderingsclausules die alles twee keer braken

Toen ik eenmaal begon te kijken, bleek de kloof tussen woord en concept slechts de eerste barst te zijn.

Een andere zit in de grammatica van geschiktheid zelf. Echte protocollen zeggen niet "sluit hypertensie uit." Ze zeggen "sluit patiënten uit met hypertensie tenzij goed onder controle met stabiele medicatie gedurende drie of meer maanden." Die zin is geen trefwoord — het is een voorwaarde met een tijdvenster erin verborgen. Ik zag ons vroege systeem die clausule op twee manieren afhandelen, beide fout. Soms zag het "hypertensie" en sloot het de patiënt uit, waarmee iemand die eigenlijk in aanmerking kwam verloren ging. Soms liet het hen door en sloeg het de driemaandencheck volledig over. Het deed nooit betrouwbaar wat een coördinator zonder nadenken doet: de uitzondering vasthouden en dan de duur verifiëren.

Dat wordt elk jaar belangrijker, want protocollen worden barok. Het mediane aantal geschiktheidscriteria in oncologieprotocollen groeide grofweg van 17 een generatie geleden naar 27 in het recentere cohort, en het aantal procedures per protocol is sinds 2005 met 139% gestegen (IQVIA). Elke "tenzij" en "behalve" en "binnen zes maanden" is een plek waar een woordmatcher stilletjes gokt. En wanneer er amendementen komen — het gemiddelde amendement kost nu 260 dagen om te implementeren (Applied Clinical Trials, 2025) — moet elke gok opnieuw worden gegokt.

De mislukking die me echt bang maakte, was echter anders — die raakte aan de vraag of ik überhaupt achter dit werk kon staan tegenover een toezichthouder. Voer dezelfde patiënt twee keer door een taalmodelmatcher, met een iets andere omringende context, en je kunt twee verschillende antwoorden krijgen. Voor de meeste software is een beetje niet-determinisme te tolereren. Voor een klinische studie is het diskwalificerend. Een toezichthouder wil geen waarschijnlijkheid dat een patiënt geschikt was. Ze willen de exacte, reproduceerbare reden waarom elke persoon werd opgenomen of uitgesloten — een spoor dat ze regel voor regel kunnen lezen. Een systeem dat op een dinsdag anders zou kunnen beslissen, kan dat spoor niet produceren.

Wat ik de eerste keer had moeten bouwen

De herbouw was niet subtiel. We stopten met pogingen om een probabilistisch systeem zich deterministisch te laten gedragen en bouwden een systeem dat deterministisch was door constructie.

De ruggengraat ervan is de ontologie. We mappen elke term in het dossier van een patiënt en elke term in de geschiktheidscriteria naar het bijbehorende SNOMED-CT-concept — zodat de matcher knooppunten in een medische hiërarchie vergelijkt, geen strings. Hartkatheterisatie en centraalveneuze katheterisatie zijn geen buren meer en worden wat ze zijn: verre verwanten op aparte takken. De catheterisatiepatiënt, hierdoor gehaald, komt terug als geschikt. Correct. Elke keer.

Bovenop de ontologie plaatsten we expliciete logica voor de onderdelen waar taalmodellen mee worstelen — de "tenzij," de "behalve," de "binnen drie maanden." Dat soort redeneren is eigenlijk twee disciplines aan elkaar genaaid: deontische logica om de structuur van verplichting en uitzondering van een "tenzij"-clausule te modelleren, en temporeel intervalredeneren om "binnen drie maanden" te evalueren tegen de daadwerkelijke datums in het dossier. Geen van beide is via patroonherkenning te matchen; beide moeten expliciet worden gemodelleerd. En omdat elke beslissing een keten van expliciete stappen over benoemde concepten is, produceert het systeem precies het artefact dat toezichthouders willen: een reproduceerbare audittrail die precies laat zien welk concept met welk criterium overeenkwam en waarom een patiënt terechtkwam waar hij terechtkwam.

Ik zeg bewust neuro-symbolisch, niet "we hebben de taalmodellen weggegooid." Dat deden we niet. Ze zijn uitstekend in de rommelige eerste stap — een uitweidende klinische notitie lezen en er gestructureerde betekenis uit halen. Dat laten we ze doen. We laten ze alleen niet de rechter zijn over geschiktheid. Het lezen is probabilistisch; het redeneren is deterministisch. Die taakverdeling is het hele ontwerp.

Dit is het systeem dat we nu bouwen voor farmaceutische sponsors, CRO's en academische medische centra, en het is waar ons werk rond AI voor werving van klinische studies om draait — maatwerkmatching die redeneert over SNOMED-CT-ontologiegrafieken met deterministische logica, in plaats van nóg een probabilistische scorer.

Waarom hebben de grote platforms dit niet gewoon gebouwd?

Dit is de vraag die ik van elke sponsor krijg, en die is terecht. Tempus, IQVIA, Medidata, ConcertAI, TriNetX — dit zijn serieuze bedrijven met enorme hoeveelheden data. Waarom heeft niet één van hen simpelweg de op ontologie gebaseerde versie gebouwd?

Een deel van het antwoord is dat ze voor iets anders optimaliseren, en dat is iets redelijks. IQVIA onthulde in maart 2026 IQVIA.ai, een geïntegreerd agentic platform gebouwd met NVIDIA, dat steunt op meer dan 250 miljoen patiëntendossiers. TriNetX beheert een gefedereerd netwerk van vergelijkbare schaal voor haalbaarheids- en cohortwerk. ConcertAI lanceerde in februari 2026 zijn agentic Accelerated Clinical Trials-platform, met een claim van tijdlijnverkortingen van 10 tot 20 maanden. Medidata's AI Study Build koppelt matching aan zijn Rave-systeem voor elektronische dataverzameling over honderden studies. Elk hiervan is echt en goed in waar het op mikt — breedte, schaal, end-to-end-workflow.

Onder alle systemen zit ook een stillere kloof. Zelfs wanneer een platform goed matcht, belandt de output meestal als een lijst die een coördinator vervolgens opnieuw invoert in het leidende studiebeheersysteem — Rave, Veeva Vault, Oracle Clinical One. De match en het systeem dat de studie draait, praten niet echt met elkaar, dus blijft er een handmatige overdracht bestaan precies waar je zou willen dat de automatisering het strakst is.

Maar breedte en ontologische diepte trekken in tegengestelde richtingen. Een platform dat elk therapeutisch gebied bedient op een schaal van 250 miljoen dossiers is gebouwd om generiek goed te zijn, en generiek goed is precies waar de catheterisatieklasse van fouten leeft. Het diepe, tak-bewuste redeneren dat een complex protocol voor oncologie, zeldzame ziekten of het centrale zenuwstelsel nodig heeft, is duur om te bouwen en duur om te onderhouden — SNOMED wordt twee keer per jaar bijgewerkt, het MedDRA-woordenboek voor bijwerkingen wordt elk kwartaal bijgewerkt, en een ontologie actueel houden is permanente personeelsbezetting, geen eenmalig project. Het is het soort onglamoureuze, nooit afgemaakte engineering dat een platform in de race naar breedte de neiging heeft uit te stellen.

De platforms hebben geen ongelijk. Ze lossen op voor schaal. Ontologische precisie is een ander probleem, en het is het probleem dat bepaalt of je geschikte patiënten daadwerkelijk worden gevonden.

Het andere eerlijke antwoord is datazwaartekracht. Verschillende van deze platforms matchen het best binnen hun eigen netwerk — hun data, hun locaties. Als je patiënten in je eigen elektronisch patiëntendossier leven, achter je eigen firewall, is dat een volledig andere implementatie. En veel sponsors en ziekenhuizen zullen, om zeer goede HIPAA-redenen, geen patiëntendossiers naar de cloud van iemand anders sturen om te worden gematcht.

De kosten die niemand op de slide zet

Laat me de inzet concreet maken, want de menselijke en financiële kanten hiervan zijn gemakkelijk weg te abstraheren.

Financieel: een dag vertraging in een studie kost naar schatting $800,000 aan misgelopen verkoop van recepten (Tufts CSDD), en voor sommige therapeutische gebieden is het veel erger — cardiovasculaire vertragingen lopen op tot ongeveer $1.4 million per dag. Elke screeningmislukking kost gemiddeld ongeveer $1,200, en de screeningfaalpercentages lopen uiteen van 20% tot 80% afhankelijk van de indicatie, oplopend tot wel 88% in Alzheimerstudies. De catheterisatiepatiënt — de in aanmerking komende die we lieten vallen — is pure verspilling in deze rekensom: een persoon die verder had moeten komen, deed dat niet, en iemand betaalde om haar tot een "nee" te screenen.

Maar de kosten die ik pas op waarde schatte toen ik met het personeel op locatie zat, zijn menselijk, en ze stapelen zich op. Coördinatoren jongleren met vijf of zes studies tegelijk en besteden 40 tot 60% van hun tijd aan pre-screening. Wanneer een matchingtool valse positieven boven grofweg 30% produceert, verliezen ze het vertrouwen erin — en laten ze het los, vaak binnen drie maanden. Ik zag dit ons overkomen vóór de herbouw. Een coördinator op een pilotlocatie was simpelweg gestopt met het openen van onze markeringen. Niet uit wrok — uit triage. De tool had zo vaak loos alarm geslagen dat het controleren ervan trager was dan haar eigen dossierbeoordeling. Een matcher die het vertrouwen ondermijnt van de ene persoon die ernaar moet handelen, is geen productiviteitstool. Het is nog een browsertabblad dat ze heeft leren negeren.

Dat is de echte reden waarom precisie het wint van bereik. Het zijn niet alleen de geschikte patiënten die je verliest aan valse negatieven. Het is dat elke valse positieve de schaarste hulpbron in de hele onderneming verbruikt — de aandacht van een opgebrande coördinator — en zodra die weg is, loopt zelfs het beste datanetwerk ter wereld nog steeds dood bij een coördinator die is gestopt met kijken.

"Is dit niet waar FHIR- en Epic-integratie voor zijn?"

Mensen vragen me dit vaak, dus laat me de bezwaren frontaal aanpakken.

Begin met het bezwaar over datastandaarden: FHIR en Epic lossen het matchingprobleem toch zeker op? Ze lossen het probleem van het leidingwerk op, dat noodzakelijk maar niet toereikend is. Integratie met FHIR en Epic zorgt dat schone, gestructureerde data gaan stromen — maar het verkrijgen van de data is het deel vóór het moeilijke deel. Je moet nog steeds redeneren over wat de data betekenen, en dat is precies waar de ontologie zijn werk doet. En het leidingwerk is ook niet triviaal: Epic's App Orchard-certificering is een beveiligingsonderzoek van zes tot twaalf maanden voordat je één dossier aanraakt. Iedereen die snelle, diepe EPD-matching belooft, heeft die kosten óf al betaald óf nog niet voldaan.

Dan is er de zorg over regelgeving: telt een deterministisch, regelzwaar systeem niet als een gereguleerd medisch hulpmiddel, met alle lasten van dien? Dit is waar recente richtlijnen daadwerkelijk helpen. De bijgewerkte richtlijn voor clinical decision support van de FDA, uitgebracht in januari 2026, verduidelijkte welke CDS-functies buiten de definitie van medisch hulpmiddel vallen — en het matchen van patiëntendossiers aan de geschiktheidscriteria van een studie kan kwalificeren als CDS die geen hulpmiddel is. Het raamwerk van januari 2025 van dezelfde instantie zette een geloofwaardigheidsbeoordeling in zeven stappen uiteen voor AI in geneesmiddelenontwikkeling. Een systeem waarvan het redeneren transparant en reproduceerbaar is, is veel gemakkelijker door dat raamwerk te loodsen dan een systeem waarvan de logica een kansverdeling is.

En de botste versie: is dit allemaal sneller dan gewoon meer mensen aannemen? De prestatiegegevens zeggen nadrukkelijk ja — wanneer de matching betrouwbaar is. Gerapporteerde AI-screening heeft de screeningfaalpercentages in één implementatie met 73% verlaagd, van 54% naar 14% (Trially), en de uren voor handmatige dossierbeoordeling met ongeveer 90% verminderd. Het addertje onder het gras is dat die winsten alleen tot stand komen als coördinatoren de output genoeg vertrouwen om ernaar te handelen. Snelheid gebouwd op valse positieven is geen snelheid. Het is een snellere manier om de zaal te verliezen.

Wat de weggevallen patiënt me werkelijk leerde

Ik blijf naar haar terugkeren, de vrouw met de infuuslijn die een algoritme aanzag voor een hartprocedure. Ze was de hele tijd geschikt. De studie had haar nodig. Ze zat daar gewoon in de data. En we verloren haar niet omdat de technologie zwak was, maar omdat die op het verkeerde probleem was gericht — het oppervlak van taal lezen terwijl de taak was om te redeneren over de geneeskunde eronder.

Het hele vakgebied besteedde vijf jaar aan het vervangen van zoeken op trefwoorden door taalmodellen en verklaarde het matchingprobleem afgehandeld. Dat was het niet. Het was verplaatst. We ruilden grof woordmatchen in voor geavanceerd woordmatchen, en de gevallen die bepalen of een studie op tijd inschrijft — de uitzonderingsclausules, de procedures met gedeelde woordenschat, de criteria waarbij een toezichthouder moet kunnen lezen waarom — gingen nooit over woorden.

Als je studies uitvoert en wervings-AI evalueert, is de vraag die ik aan een leverancier zou stellen niet hun opvallende nauwkeurigheidscijfer, want dat cijfer wordt gemeten op de gevallen die toch nooit gemist zouden worden. Vraag hen om een hartkatheterisatie en een centraalveneuze lijn door hun matcher te halen en je, per concept, te laten zien waarom de ene uitsluit en de andere niet. Het antwoord op die ene vraag vertelt je of je een systeem hebt gekocht dat leest, of een systeem dat echt begrijpt. Wij kozen ervoor om het tweede soort te bouwen — de AI voor werving van klinische studies die redeneert over de ontologie — want het eerste soort kostte ons al een patiënt die we ons niet konden veroorloven te verliezen.