Waarom is dit belangrijk?
Zonder een AI-model zou elke nieuwe situatie opnieuw met de hand beoordeeld moeten worden, wat bij grote aantallen niet haalbaar is. In het onderwijs en bij personeelswerving worden zulke modellen gebruikt om toetsen te beoordelen en cv’s voor een volgende ronde te selecteren. Leerlingen en werknemers krijgen daardoor sneller een oordeel, maar een fout of een eenzijdige keuze kan kansen ongelijk verdelen.
Zo werkt het in de praktijk
In Nederlandse zorginstellingen gebruiken teams een AI-model voor beeldherkenning in de radiologie. In topklinische ziekenhuizen ondersteunt het model diagnose, behandeling en prognose. In het Amsterdam UMC lopen onderzoeken waarin een AI-model hart- en vaatziekten voorspelt.
ZonMw beschrijft onderzoek naar een AI-model op gegevens van huisartsen. In het GRIP3-project van het NIVEL en zeven vakgroepen scheidde het model consulten over corona van andere klachten. Een vervolgstudie zoekt met een complexer model afwijkende patronen in die gegevens.
Teams nemen een getest AI-model in gebruik met MLOps. MLOps is een werkwijze om zulke modellen betrouwbaar te plaatsen, te volgen en te onderhouden. Teams leggen versies vast van gegevens, model en code, en controleren de prestaties.




