AMIE en MIRA lijken artsen te overtreffen — maar de kliniek is nog ver weg

In 100 scenario’s met telkens drie gesimuleerde bezoeken — binnen onder meer cardiologie, longgeneeskunde, neurologie, gynaecologie/urologie en maag-darmgeneeskunde — werden de adviezen vergeleken met NICE- en BMJ Best Practice-richtlijnen. Volgens de beoordelaars waren de aanbevelingen van AMIE voor onderzoeken en behandelingen vaker exact juist. Bij onderzoeken kwam AMIE tijdens het tweede bezoek uit op 99% tegenover 84% bij artsen; tijdens het derde bezoek was dat 100% tegenover 88%. De plannen bevatten bovendien expliciete verwijzingen naar de gebruikte richtlijnen .

MIRA kiest een andere route. Deze AI-agent is niet in de eerste plaats een gesprekssysteem, maar werkt binnen een elektronisch patiëntendossier en een gesimuleerd ziekenhuisinformatiesysteem. Daarin kan MIRA medische informatie beoordelen, onderzoeken aanvragen en diagnostische en therapeutische beslissingen voorbereiden .

In retrospectieve simulaties behaalde MIRA een algemene diagnostische nauwkeurigheid van 87,8%, tegenover 78,1% bij gediplomeerde artsen. Het verschil was bijvoorbeeld zichtbaar bij pancreatitis: 95,2% tegenover 78,6%, en bij blindedarmontsteking: 100% tegenover 88% . MIRA vroeg wel vaker bloedonderzoek aan dan de artsen — 51% tegenover 28% — maar compenseerde dat gedeeltelijk door aanzienlijk minder beeldvormende onderzoeken te bestellen .

De agent kreeg toegang tot meer dan 85.000 mogelijke klinische acties. Daarnaast werd het systeem getest met 880 tegenwerkende prompts, oftewel opdrachten die erop waren gericht de AI te misleiden. In de aangehaalde evaluatie werd geen datalek vastgesteld .

De belangrijkste kanttekeningen

De opvallende scores hebben één fundamentele beperking: de vergelijkende tests met AMIE en MIRA vonden niet plaats tijdens de dagelijkse behandeling van echte patiënten. AMIE werd getest met professionele patiëntacteurs in virtuele consulten. MIRA werkte met retrospectieve patiëntgegevens en kreeg informatie via AI-agenten die patiëntgedrag simuleerden .

Een brede overzichtsstudie naar AI-agenten in de gezondheidszorg noemt het ontbreken van robuuste klinische validatie in de echte praktijk de grootste uitdaging. Veel onderzoeken gebruiken ideale of synthetische datasets, terwijl echte patiëntendossiers juist onvolledig, rommelig en ongelijk verdeeld zijn. Daardoor blijft de daadwerkelijke klinische effectiviteit van deze systemen grotendeels onbewezen in prospectieve studies .

Daar komen meerdere beperkingen bij:

• Geen volwaardig lichamelijk onderzoek. Tekstsystemen en agents die met gestructureerde gegevens werken, kunnen geen buik palperen, naar hart- of longgeluiden luisteren of het looppatroon van een patiënt beoordelen. Voor veel diagnoses blijft lichamelijk onderzoek essentieel.
• Geen bewezen continu leren. In een analyse van het medische hoofdstuk van het AI Index Report 2026 liet geen enkel systeem zien dat het continu leert of een langetermijngeheugen over verschillende patiëntcontacten onderhoudt .
• Een simulatie blijft een simulatie. Een acteur reageert anders dan een echte patiënt met stress, schaamte, taalproblemen, onduidelijke klachten of onverwachte symptomen.
• Veiligheidsrisico’s. Hallucinaties, moeilijk te doorgronden beslissingen, fouten in de samenwerking tussen meerdere agents en kwetsbaarheid van elektronische patiëntendossiers blijven belangrijke risico’s .

Waarom experts voorzichtig blijven

Wetenschappers die op de twee Nature-studies reageerden, noemden de resultaten een “kwalitatieve sprong vooruit”, maar benadrukten tegelijk dat ze uit gecontroleerde omstandigheden komen . Dat onderscheid is cruciaal. Een systeem kan in een afgebakende test zeer goed scoren zonder al te kunnen omgaan met de onzekerheid, tijdsdruk en verantwoordelijkheid van een echte behandelkamer.

Vertrouwen en uitlegbaarheid

Wanneer een AI een diagnose of therapie voorstelt, is niet altijd duidelijk hoe het systeem precies tot die conclusie kwam. Als artsen de onderliggende redenering niet goed kunnen controleren, schaadt dat het vertrouwen en wordt invoering moeilijker .

Wie is verantwoordelijk?

Bij een fout blijft bovendien de vraag open wie juridisch en ethisch verantwoordelijk is: de ontwikkelaar, het ziekenhuis, de arts die toezicht hield of de organisatie die het systeem inzette. Bestaande kaders, waaronder regelgeving van de Amerikaanse FDA en de Europese AI-verordening, zijn nog niet volledig toegesneden op autonome medische agents .

Werkt het systeem overal even goed?

Een model dat is getraind of getest met gegevens van één ziekenhuis of een specifieke dataset, zoals MIMIC-IV, hoeft niet automatisch betrouwbaar te werken bij andere bevolkingsgroepen, administratieve procedures of zorgstelsels . Dat maakt brede validatie noodzakelijk voordat claims over gelijke prestaties kunnen worden gedaan.

Het risico van te veel vertrouwen

Ook de ontwikkelaars van een afgeschermde AMIE-variant, g-AMIE, erkennen dat duidelijke grenzen nodig zijn. Deze versie is ontworpen om een anamnese af te nemen en informatie te ordenen, maar zich te onthouden van individueel medisch advies. Die beperking onderstreept dat onbegrensde autonome toepassing nog te vroeg en mogelijk gevaarlijk is .

Zijn AMIE en MIRA klaar voor de zorg?

Nee — niet voor routinematige, autonome inzet. AMIE is wel al voorzichtig in een echte zorgomgeving onderzocht. In samenwerking met Beth Israel Deaconess Medical Center werd een prospectieve, eenarmige haalbaarheidsstudie uitgevoerd naar het verzamelen van patiëntinformatie vóór een bezoek aan de eerstelijnszorg .

Een afzonderlijke haalbaarheidsstudie in de spoedzorg met 100 patiënten onderzocht AMIE als hulpmiddel voor het afnemen van de voorgeschiedenis vóór het consult. De uiteindelijke diagnose stond in 90% van de gevallen in de differentiaaldiagnose van AMIE; in 75% van de gevallen stond die diagnose in de top drie. Huisartsen scoorden echter beter op de praktische uitvoerbaarheid en kosteneffectiviteit van de voorgestelde behandelplannen .

Dat zijn belangrijke vroege signalen, maar het blijven haalbaarheidsstudies. Ze bewijzen nog niet dat het gebruik van AMIE of MIRA leidt tot betere patiëntuitkomsten dan de bestaande zorg. Daarvoor zijn grotere, prospectieve onderzoeken met echte patiënten nodig — en uiteindelijk gerandomiseerde studies waarin veiligheid, kwaliteit, kosten en gezondheidsuitkomsten worden gemeten.

De weg naar toepassing loopt langs minstens vier obstakels:

• Regelgeving: systemen die diagnoses of behandelbeslissingen ondersteunen, moeten hun veiligheid en effectiviteit aantonen. Voor continu lerende, autonome medische agents bestaat nog geen volledig uitgewerkt regelgevingskader.
• Integratie met patiëntendossiers: AI-gegenereerde en door mensen geschreven informatie kan in hetzelfde dossier door elkaar raken. Zonder duidelijke herkomstmarkering wordt het lastiger om klinische verantwoordelijkheid te volgen .
• Menselijk toezicht: artsen moeten AI-adviezen kunnen controleren, corrigeren en naast zich neerleggen. Dat vereist niet alleen technische vangrails, maar ook werkbare processen en voldoende tijd.
• Gelijke prestaties: geen van beide systemen is op basis van de aangehaalde studies voldoende gevalideerd in uiteenlopende, echte patiëntpopulaties om brede claims over rechtvaardige prestaties te onderbouwen.

De nuchtere conclusie

De onderzoeken uit juni 2026 laten wel degelijk vooruitgang zien. AMIE ontwikkelt zich van een systeem voor eenmalige diagnostische gesprekken tot een agent die over meerdere bezoeken behandel- en monitoringsplannen kan helpen opstellen. MIRA laat zien hoe een AI-agent gegevens uit een elektronisch patiëntendossier kan gebruiken en in gecontroleerde retrospectieve simulaties onderzoeken en behandelingen kan voorstellen .

Maar de afstand tussen een overtuigende demonstratie en betrouwbare geneeskunde aan het bed blijft groot. De bredere literatuur waarschuwt dat veel evaluaties geen recht doen aan de ontbrekende gegevens, tegenstrijdige informatie, beperkte middelen en complexe verantwoordelijkheid van de echte zorgpraktijk .

De doorslaggevende volgende stap is daarom niet nóg een indrukwekkende testscore. Het zijn studies met echte patiënten, duidelijke toezichtregels, transparante registratie van AI-bijdragen, onafhankelijke veiligheidscontroles en bewijs dat deze systemen de zorguitkomsten verbeteren.

Voorlopig zijn AMIE en MIRA dus vooral veelbelovende onderzoeksprototypes. Ze kunnen in de toekomst waardevolle hulpmiddelen voor artsen worden, maar de studies laten nog niet zien dat ze menselijke artsen kunnen vervangen.