Zorgorganisaties en start-ups testen algoritmen die signalen van een bipolaire stoornis eerder moeten herkennen. In Nederland en andere EU-landen groeit de inzet van kunstmatige intelligentie in de ggz, met de Europese AI-verordening als belangrijkste kader. Tools van bedrijven als Wysa, Woebot Health en Kintsugi krijgen aandacht, maar artsen vragen om stevig bewijs en duidelijke regels. Het doel is snellere ondersteuning en het voorkomen van crisissituaties.
AI herkent stemmingspatronen
Nieuwe systemen analyseren gegevens van smartphones en wearables om veranderingen in stemming te zien. Ze kijken bijvoorbeeld naar slaap, beweging en gebruik van het toetsenbord. Dit heet passieve monitoring: het systeem verzamelt signalen op de achtergrond, zonder dat de gebruiker iets invoert. Zo ontstaat een patroon over dagen of weken.
Sommige bedrijven richten zich op stem en taal. Kintsugi gebruikt korte spraakfragmenten als biomarker om gevoelens als somberheid of spanning te schatten. Zulke analyses zijn verwant aan bipolaire klachten, maar leveren nog geen officiële diagnose. In Europa lopen vooral pilots en wetenschappelijke studies.
Chatbots als Wysa en Woebot Health bieden zelfhulp op basis van cognitieve gedragstechnieken. Een chatbot is software die met tekst of spraak reageert op vragen van de gebruiker. Deze apps kunnen educatie en dagboekfuncties geven, maar ze vervangen geen behandelaar. Ze horen ook niet zelfstandig diagnoses te stellen.
Onderzoekers testen daarnaast prototypes die type- en telefoongebruik meten, zoals BiAffect (Universiteit van Illinois Chicago) en het onderzoeksplatform Beiwe (Harvard). Het idee: tijdens hypomane of manische fases verandert snelheid en ritme van typen en bellen. Zulke digitale sporen heten “digital phenotyping”. De voorspellende waarde bij bipolaire stoornissen is nog onderwerp van onderzoek.
Bewijs blijft voorlopig mager
De meeste studies hebben kleine groepen en korte looptijden. Dat maakt het lastig om betrouwbare conclusies te trekken over dagelijkse inzet. Vooral manie en hypomanie blijken moeilijk te vangen in data, omdat het begin vaak plots is. Daardoor zijn valse alarmen of gemiste signalen een risico.
Veel publicaties zijn retrospectief of exploratief. Er zijn nog weinig gerandomiseerde, gecontroleerde trials die aantonen dat algoritmen terugval echt voorkomen. Voor brede inzet in de zorg is klinische validatie nodig. Zonder die validatie blijven tools vooral hulpmiddelen naast de standaardbehandeling.
Ook uitlegbaarheid is een punt. Zogenoemde “black box”-modellen geven vaak wel een score, maar niet het waarom. Voor behandelkeuzes is inzicht in oorzaken belangrijk, bijvoorbeeld slaaptekort of middelengebruik. Anders wordt bijsturen lastig en neemt het vertrouwen af.
Een bipolaire stoornis kenmerkt zich door afwisselende perioden van manie of hypomanie en depressie. Tussen deze perioden is er vaak herstel, maar het terugvalrisico blijft aanwezig.
AI-verordening legt lat hoog
De Europese AI-verordening (AI Act) plaatst systemen voor diagnose en monitoring in de zorg in de hoge-risicoklasse. Dat vraagt om streng risicobeheer, datakwaliteit, bias-beperking, logging en menselijke controle. Fabrikanten moeten duidelijke documentatie en gebruiksinstructies leveren. Gebruikers moeten weten wat een model wel en niet kan.
Voor medische inzet geldt ook de Europese verordening medische hulpmiddelen (MDR). Een app of algoritme dat medische claims doet, heeft een CE-markering nodig. Vaak loopt de conformiteitsbeoordeling voor AI Act en MDR naast elkaar. Ook is blijvend toezicht verplicht via post-market monitoring.
In Nederland houden de Inspectie Gezondheidszorg en Jeugd (IGJ) en de Autoriteit Persoonsgegevens (AP) toezicht op respectievelijk veiligheid en privacy. Zorginstellingen moeten vóór gebruik een Data Protection Impact Assessment (DPIA) uitvoeren. Dat helpt risico’s in kaart te brengen en maatregelen vast te leggen. Zonder dit proces is implementatie in de praktijk onwenselijk.
Generatieve modellen zoals ChatGPT van OpenAI of Gemini van Google mogen geen medische beslissingen sturen zonder passende certificering. Worden ze ingezet voor triage of advies, dan vallen ze onder de MDR en de AI Act. Op het moment van schrijven is daar zelden aan voldaan. In de spreekkamer geldt dus: hooguit gebruiken voor educatie, niet voor diagnose.
Privacyregels sturen ontwerp
Gezondheidsgegevens vallen onder de AVG in een speciale categorie en vragen om een strenge grondslag. Toestemming moet vrij, specifiek en geïnformeerd zijn. Dataminimalisatie is verplicht: verzamel alleen wat nodig is. En bewaar data niet langer dan noodzakelijk.
Ontwerpkeuzes kunnen risico’s verkleinen. Lokale verwerking “on device” houdt ruwe data op de telefoon. Versleuteling beschermt gegevens in opslag en tijdens verzending. Federated learning, waarbij het model leert op het apparaat en alleen geanonimiseerde modelupdates deelt, kan uitlekken beperken.
Gebruikersrechten zijn praktisch belangrijk: inzage, correctie, overdraagbaarheid en wissen. Leveranciers moeten die rechten eenvoudig maken in de app. In Nederland helpt norm NEN 7510 bij informatiebeveiliging in de zorg. Zonder zulke basis is opschaling onverstandig.
Kwetsbare groepen vragen extra zorg. Patiënten moeten duidelijke noodprocedures hebben bij crisis-signalen uit een app. Onterechte waarschuwingen mogen geen stress veroorzaken. Heldere afspraken met behandelaren zijn daarom noodzakelijk.
Nederlandse zorg test voorzichtig
GGZ-instellingen werken al met digitale dagboeken en vragenlijsten. AI-functies worden vooral in kleine pilots en onderzoeksprojecten getest, vaak met academische centra. Implementatie is terughoudend door privacy-eisen en gebrek aan harde effectcijfers. De verwachting is dat eerst nichetoepassingen volgen, zoals terugvalpreventie bij bekende risicoprofielen.
Koppeling aan het elektronisch patiëntendossier (epd) is een praktische hobbel. Standaarden zoals HL7 FHIR maken gegevensuitwisseling mogelijk, maar vergen tijd en investeringen. Zonder goede koppeling blijft de werkdruk hoog. Dan verliezen apps snel draagvlak bij behandelaren.
Vergoeding is een tweede knelpunt. Zorgverzekeraars vragen om kosteneffectiviteit voordat brede inkoop start. Onderbouwing via Nederlandse data weegt zwaar. Dat maakt multicenter-onderzoek in de GGZ belangrijk.
Ook scholing is nodig. Behandelaren moeten kunnen uitleggen hoe een model werkt en wat de foutmarges zijn. Patiënten hebben recht op begrijpelijke informatie in B1-taal. Dat vergroot vertrouwen en voorkomt misverstanden.
Wat betekent dit voor patiënten
AI-tools kunnen helpen bij zelfinzicht, maar zijn geen vervanging van zorg. Bespreek gebruik altijd met uw behandelaar. Let op een CE-markering, een heldere privacyverklaring en de mogelijkheid om data te wissen. Wees kritisch bij grootse claims zonder klinisch bewijs.
Voor wie terugval wil voorkomen, blijft basiszorg de kern: een crisisplan, slaapritme en snelle toegang tot hulp. Een app kan daarbij een extra signaal geven. Maar beslissingen over behandeling horen bij menselijk contact. Dat is ook de lijn van de Europese regels.
De komende jaren bepalen bewijs en regelgeving de koers. Als algoritmen aantoonbaar helpen én veilig zijn, kan adoptie groeien. Tot die tijd is voorzichtig experimenteren zinvol, met duidelijke afspraken en menselijk toezicht. Zo blijft technologie een hulpmiddel, geen risico.
