Ja. Als uitlegger is zo'n chatbot sterk. Beslissen over je behandeling doet hij beter nooit: dat blijft werk voor jou en je arts.
Waar helpt zo'n chatbot?
Bij het begrijpen. Een chronische aandoening komt met een woordenboek vol jargon, en een chatbot vertaalt dat geduldig: wat insulineresistentie is, waarom je nieren opgevolgd worden, wat dat ene woord in je verslag betekent. Hij is dag en nacht beschikbaar, wordt niet moe van een derde keer dezelfde vraag en helpt je de juiste vragen klaar te leggen voor je volgende afspraak.
Toen onderzoekers uit Indonesië twee jaar geleden alle studies over chatbots bij chronische ziekten bijeenlegden, hielden ze er van 784 zoekresultaten welgeteld acht over. Wat die acht vooral deden: uitleg geven, gezondheidsvaardigheden bijspijkeren, helpen bij zelfzorg. De deelnemers namen die hulp vlot aan. Of dat mensen ook meetbaar gezonder maakt, weten we nog niet: acht studies is weinig, en het onderzoek te jong.
- Elke week één onderwerp volledig uitgespit.
- De werkbladen en checklists uit mijn praktijk.
- Elke maand een live sessie voor jouw vragen.
Waar loopt het fout?
Op twee plekken. Eén: de chatbot kent je dossier niet. Hij weet niets van je labowaarden, je nierfunctie of de andere medicatie die je neemt, en in die context moet elk advies bij een chronische aandoening passen. Twee: hij klinkt even zelfverzekerd wanneer hij compleet fout zit. Een bredere inventaris van 29 studies met grote taalmodellen zoals ChatGPT vond in zes op de tien ervan onnauwkeurige of wisselende antwoorden. En wat je intikt en de gegevens die je doorspeelt, vertrekken naar een server. Hou je rijksregisternummer en je volledige dossier dus voor jezelf.
Het meest vervelende is dat hij er zelden bijzegt waar hij zijn informatie vandaan haalt: in een test van vier gangbare chatbots gaf de beste in vier op de tien antwoorden een bruikbare bron, de andere drie in hoogstens een op de tien. En vaak lopen bronnenlinks dood. Nakijken of het klopt, kan je dus niet - vraag hem er expliciet naar."
Hoe gebruik je hem slim?
Maak er vier afspraken mee.
- Gebruik hem voor uitleg en voorbereiding, nooit om op eigen houtje je dosis aan te passen of een geneesmiddel te stoppen.
- Bij plotse of alarmerende klachten stop je met typen en bel je: je huisarts, de wachtdienst of 112. Dat is geen overdreven voorzichtigheid. Toen onderzoekers een consumentenversie van ChatGPT lieten inschatten hoe dringend een reeks ziektebeelden was, stuurde die meer dan de helft van de echte spoedgevallen naar een afspraak binnen een of twee dagen - een ontspoorde suikerziekte en dreigende ademnood zaten daarbij.
- Neem zijn antwoorden mee naar de consultatie: "mijn chatbot zegt dit, klopt dat?" is een vraag waar dokters tegenwoordig graag op ingaan. Maar deel niets waarmee iemand jou kan herkennen.
Nog iets waar weinig mensen bij stilstaan: een chronische aandoening weegt ook op je gemoed, en vroeg of laat gaat zo'n gesprek daar ook over. De ingebouwde vangnetten voor wie het echt zwaar heeft, slaan onvoorspelbaar aan - soms wel, soms niet, bij dezelfde soort vraag. Zit je daar, bel dan een mens: je huisarts, of de Zelfmoordlijn op 1813.
💡 Een AI-chatbot is een goede uitlegger maar een slechte dokter. Gebruik hem om je aandoening beter te begrijpen, en laat elke beslissing over medicatie of behandeling bij je arts.
In mijn eerste jaren als arts legde ik die Google-uitdraai meewarig opzij. Vandaag zeg ik: breng je chatbotgesprek mee. We lezen het samen en we beslissen samen. Dat kon dokter Google nooit.
- Elke week één onderwerp volledig uitgespit.
- De werkbladen en checklists uit mijn praktijk.
- Elke maand een live sessie voor jouw vragen.
Referenties
Kurniawan, M. H., Handiyani, H., Nuraini, T., Hariyati, R. T. S., & Sutrisno, S. (2024). A systematic review of artificial intelligence-powered (AI-powered) chatbot intervention for managing chronic illness. Annals of Medicine, 56(1), 2302980. https://doi.org/10.1080/07853890.2024.2302980
Serugunda, H. M., Jianquan, O., Kasujja Namatovu, H., Ssemaluulu, P., Kimbugwe, N., Garimoi Orach, C., & Waiswa, P. (2025). Using large language models for chronic disease management tasks: Scoping review. JMIR Medical Informatics, 13, e66905. https://doi.org/10.2196/66905
Ramaswamy, A., Tyagi, A., Hugo, H., Jiang, J., Jayaraman, P., Jangda, M., Te, A. E., Kaplan, S. A., Lampert, J., Freeman, R., Gavin, N., Tewari, A. K., Sakhuja, A., Naved, B., Charney, A. W., Omar, M., Gorin, M. A., Klang, E., & Nadkarni, G. N. (2026). ChatGPT Health performance in a structured test of triage recommendations. Nature Medicine, 32(5), 1671–1675. https://doi.org/10.1038/s41591-026-04297-7
Yau, J. Y.-S., Saadat, S., Hsu, E., Murphy, L. S.-L., Roh, J. S., Suchard, J., Tapia, A., Wiechmann, W., & Langdorf, M. I. (2024). Accuracy of prospective assessments of 4 large language model chatbot responses to patient questions about emergency care: Experimental comparative study. Journal of Medical Internet Research, 26, e60291. https://doi.org/10.2196/60291