AI vervangt de radioloog niet — maar verandert het vak wel flink

TL;DR

• Wat: Ondanks voorspellingen groeit het aantal radiologen, terwijl AI hun dagelijks werk ingrijpend verandert.
• Waarom relevant: De dynamiek 'AI vervangt niet, maar verschuift taken' speelt in vrijwel elke sector — ook buiten de zorg.
• Wat je ermee kunt: Kijk niet alleen naar welke functies verdwijnen, maar naar hoe bestaande rollen veranderen door AI-ondersteuning.

Ik las een artikel via Ars Technica, oorspronkelijk van Knowable Magazine, over AI in de radiologie. De stelling is simpel: AI vervangt de radioloog niet, maar verandert het werk wél fundamenteel. Ik vind dat een verhaal dat ver voorbij de zorg reikt — en daarom de moeite waard om te ontleden.

De voorspelling die niet uitkwam

In 2016 voorspelde Geoffrey Hinton, Nobelprijswinnaar en een van de grondleggers van moderne AI, dat radiologen binnen vijf jaar overbodig zouden zijn. Het is nu 2026 en het tegendeel is waar: de verwachting is dat het aantal radiologen de komende dertig jaar met zo'n 26 procent groeit.

Wat mij hier opvalt is hoe hardnekkig het idee van "vervanging" is. Het klinkt logisch — een computer die beter is in patroonherkenning neemt het over, toch? Maar de praktijk blijkt weerbarstiger. Ongeveer 75 procent van de ruim 1.400 door de FDA goedgekeurde AI-medische apparaten richt zich op radiologie. Dat is een enorme hoeveelheid technologie. En toch groeit het beroep.

De reden is dat AI heel goed is in specifieke taken — een longnodule detecteren met 95 procent trefzekerheid waar een radioloog op 90 procent zit — maar niet in het volledige plaatje. Diagnose stellen is meer dan een scan lezen. Het is context begrijpen, patiëntgeschiedenis meewegen, communiceren met verwijzend artsen. Dat deel verdwijnt niet.

Hoe het werk wél verschuift

Curtis Langlotz, hoogleraar aan Stanford, zegt het treffend: "Machine intelligence and human intelligence are different kinds of intelligence." AI en menselijke intelligentie zijn fundamenteel anders. En dat betekent dat de samenwerking tussen mens en machine de sleutel is, niet de vervanging van het een door het ander.

Concreet verandert er het volgende voor radiologen:

Minder repetitief werk

AI-tools kunnen conceptrapporten opstellen, urgente gevallen prioriteren in de wachtrij, en metingen automatiseren die een radioloog anders handmatig doet. Dat scheelt tijd bij routinetaken.

Hogere nauwkeurigheid bij detectie

Een analyse van 43 klinische trials laat zien dat AI-ondersteunde colonoscopieën meer poliepen detecteren dan conventionele procedures. Bij longscreening haalt AI 95 procent versus 90 procent bij de mens alleen. Dat zijn geen spectaculaire maar wel betekenisvolle verbeteringen, zeker als je bedenkt dat de foutmarge in diagnostische beeldvorming wereldwijd op 3 tot 5 procent ligt — goed voor zo'n 40 miljoen fouten per jaar.

Een nieuw soort alertheid

Er zit een interessante keerzijde aan. Het artikel beschrijft twee risico's: automation bias (je vertrouwt de AI te veel en mist een fout) en automation complacency (je leunt achterover omdat de AI het toch wel oppikt). Radiologen moeten leren inschatten wanneer het algoritme ernaast zit — en dat vereist volgens experts een "mentale herbedrading" van hoe je je werk doet.

Ik vind dat eerlijk gezegd een van de meest onderbelichte kanten van AI-implementatie. Het gaat niet alleen om de technologie aanzetten. Het gaat om een andere manier van werken aanleren.

Wat gebeurt er in Nederland?

De Nederlandse situatie is interessant als je het vergelijkt met het internationale beeld. Volgens de AI Monitor Ziekenhuizen 2026 wordt AI in 68 procent van de onderzochte Nederlandse ziekenhuizen ingezet voor diagnostiek, en radiologie is daarbij het meest voorkomende specialisme (62 procent).

Er loopt ook een nationaal project genaamd AIFI, gecoördineerd door de Nederlandse Vereniging voor Radiologie, dat AI-algoritmen via een gedeelde infrastructuur beschikbaar maakt aan ziekenhuizen. De pilot startte begin 2025 met vijf ziekenhuizen, waaronder het Radboudumc en het Catharina Ziekenhuis.

Tegelijkertijd signaleert Skipr dat grootschalige AI-implementatie in ziekenhuizen nog nauwelijks van de grond komt. Bijna de helft van de ziekenhuizen heeft inmiddels een AI-visie, maar de stap van pilot naar organisatiebrede inzet blijkt lastig. En dat is herkenbaar: visie hebben is één ding, het daadwerkelijk inbedden in werkprocessen is iets heel anders.

Wat betekent dit buiten de zorg?

Kun je je voorstellen dat hetzelfde patroon zich herhaalt in jouw sector? Ik denk dat het al gebeurt. De les uit de radiologie is niet zozeer medisch — het is organisatorisch.

Het artikel citeert een uitspraak die volgens mij op elke branche van toepassing is: "Radiologen die AI gebruiken, zullen radiologen die dat niet doen vervangen." Niet de technologie vervangt de mens, maar de mens mét technologie vervangt de mens zonder.

Voor ondernemers zie ik hier een aantal parallellen:

• Administratie en boekhouding: AI kan conceptfacturen, categoriseringen en rapportages sneller verwerken. De boekhouder verdwijnt niet, maar besteedt meer tijd aan advies dan aan invoer.
• Klantenservice: Chatbots vangen eerstelijns vragen op. De medewerker achter de chat verschuift naar complexere gesprekken.
• Kwaliteitscontrole: In productie kan beeldherkenning afwijkingen sneller signaleren. De operator blijft nodig voor beoordeling en besluitvorming.

In al deze gevallen geldt wat ook in de radiologie geldt: de technologie is goed in een afgebakende taak, maar de mens blijft nodig voor context, oordeel en communicatie.

Er is nog een punt dat me raakt. Een AMA-enquête uit 2026 laat zien dat meer dan 25 procent van artsen géén AI-training heeft gehad, en slechts 11 procent substantiële training. Als dat in de medische wereld zo is — een sector waar nauwkeurigheid letterlijk levens redt — hoe zou dat dan liggen in het MKB? Ik vermoed dat het percentage ondernemers dat serieus heeft geïnvesteerd in AI-kennis voor het eigen team nog lager ligt.

De echte vraag is niet of, maar hoe

Wat mij betreft is de belangrijkste les uit dit verhaal niet technologisch maar menselijk. De radioloog verdwijnt niet. Maar de radioloog die over vijf jaar succesvol is, werkt waarschijnlijk op een manier die er vandaag nog anders uitziet. Dat vraagt om training, om aanpassing van werkprocessen, en om het lef om bestaande routines los te laten.

Voor mij is dit vooral een signaal dat de vraag "Wordt mijn vak overgenomen door AI?" de verkeerde vraag is. De betere vraag is: "Hoe verandert mijn vak door AI, en ben ik daar klaar voor?"