Twee dagen in het Kensington Conference and Events Center in Londen. Zo’n 200 deelnemers en 25 sprekers uit het hele digitale zorg-ecosysteem – zorgaanbieders, verzekeraars, life sciences-bedrijven en de leveranciers die de infrastructuur onder alle drie bouwen. Het Digital Health World Congress is een van de meest geconcentreerde zalen in de Europese health tech: minder keynotepodia dan op een megaconferentie, meer gesprekken die diep op één implementatieprobleem ingaan voordat het volgende aan de beurt is.
Onze COO Andrew Yakibchuk was in mei bij DHWC 2026 in Londen. Waar hij mee terugkwam was een patroon, en dat is bekend voor iedereen die weleens een zorg-AI-systeem van werkende demo naar productieomgeving heeft geprobeerd te brengen.
De digitale zorg is op een duidelijk omslagpunt beland: of er in AI geïnvesteerd moet worden is niet langer de discussie. De discussie gaat over hoe een systeem van pilot naar gereguleerde, patiëntgerichte productie komt zonder naleving, het vertrouwen van artsen of het budget te breken. Dat is het signaal dat DHWC 2026 concreet maakte. Hierna volgt wat de agenda behandelde, wat het patroon betekent, en waar wij de duidelijkste engineeringkansen zien.
Dit artikel vat de belangrijkste thema’s van het Digital Health World Congress 2026 samen — AI in life sciences, beheer van chronische ziekten, interoperabiliteit van zorgdata, verantwoorde AI en naleving, en de stap van pilots naar gereguleerde uitrol — en schetst de duidelijkste engineeringkansen voor zorgorganisaties die productieklare AI bouwen.
- Interoperabiliteit bepaalt wat AI werkelijk kan: gedeelde zorgdossiers en op standaarden gebaseerde gegevensuitwisseling zijn de voorwaarden voor elke AI-toepassing die meer dan één systeem of zorgsetting beslaat.
- Gereguleerde AI vraagt aantoonbare kwaliteit, geen documentatie achteraf: van pilot naar gereguleerde schaal betekent naleving en uitlegbaarheid vanaf dag één in de architectuur bouwen, niet ze vóór een audit toevoegen.
- Bij het beheer van chronische ziekten is patiëntgerichte AI het verst: continue bewaking en digitale therapie lopen in praktijkvolwassenheid voor op AI in de acute zorg.
- Vertrouwen tussen artsen en AI-uitkomsten blijft het knelpunt voor adoptie: zelfs gevalideerde modellen worden weinig gebruikt wanneer hun uitkomsten niet zijn ingebed in de klinische workflow die het zorgteam al vertrouwt.
In de agenda van DHWC 2026: vijf trends die de digitale zorg bepalen
Het programma van DHWC 2026 liep over keynotepodia, een panel over marktvooruitzichten en een reeks kortere, implementatiegerichte sessies verdeeld over twee dagen. Vijf thema’s liepen door vrijwel alles heen:
1. AI versnelt de waardeketen in life sciences
Verschillende sessies plaatsten de invloed van AI op de weg van ontdekking naar markt als een verkortingsprobleem: de fasen tussen een molecuul en een therapie op de markt worden korter naarmate AI meer van de analytische last overneemt, van studieopzet tot het genereren van praktijkbewijs. Strategiegerichte sessies benaderden dezelfde verschuiving van een andere kant, met de vraag hoe life sciences-organisaties AI-investeringen ordenen tegen innovatieprioriteiten die nog in beweging zijn. De rode draad: AI in life sciences boekt zijn grootste winst eerder in de keten dan de meeste niet-specialisten verwachten.
2. Patiëntbetrokkenheid: AI en het beheer van chronische ziekten in de schijnwerpers
Enkele van de meest concrete patiëntgerichte sessies gingen over het beheer van chronische ziekten met digitale zorg – continue bewaking, patiëntdata op afstand, en interventiemodellen rond aandoeningen die zich over maanden en jaren ontvouwen in plaats van in één consult. Andere sessies over het personaliseren van welzijn op basis van biometrie en over het volgen van lichaamssamenstelling in een door GLP-1 gedreven markt trokken hetzelfde thema door: AI-gedreven patiëntbetrokkenheid rijpt het snelst waar de datastroom continu is en het interventievenster lang — een patroon dat de technologie voor chronische zorg over de hele linie hervormt.
3. Interoperabiliteit en gedeelde zorgdossiers als bindweefsel van de zorg
De openingskeynote — het overbruggen van de datakloof tussen industriële datamodellen en patiëntenzorg — zette een ongebruikelijk maar nuttig kader neer: interoperabiliteit in de zorg lijkt structureel op problemen die in industrieel IoT al zijn opgelost, alleen met een veel hogere nalevingslat. Een sessie over digitale infrastructuur voor gedeelde zorgdossiers benaderde hetzelfde probleem vanaf de klinische kant: wat er werkelijk nodig is om een zorgteam één samenhangend dossier te geven wanneer de onderliggende systemen nooit zijn ontworpen om er een te delen. IoT-casestudy’s uit de connected health-hoek maakten dit thema compleet vanaf de apparaatkant.
“De kwaliteit van het gesprek op DHWC was dit jaar anders – vrijwel niemand vroeg nog of AI in de zorg thuishoort. Ze vroegen hoe je die door de naleving krijgt, in de klinische workflow, en voor de neus van een arts die haar ook echt vertrouwt.” — Andrew Yakibchuk, COO, Crunch-IS
4. Verantwoorde, veilige AI voor gereguleerde zorgomgevingen
Een van de duidelijkste uitspraken op DHWC 2026 betoogde dat naleving-als-afvinklijst geen geloofwaardige positie meer is voor AI-leveranciers in de zorg. Een sessie over verantwoorde AI in de zorg en medische besluitvorming liep een Europese casestudy over hetzelfde probleem door: hoe HIPAA-conforme AI en AI-ondersteunde klinische beslissingen niet alleen nauwkeurig, maar ook verdedigbaar worden. Een aparte sessie over kwantumgereedheid voor cybersecurity in de zorg maakte duidelijk dat de planningshorizon voor beveiliging ver voorbij de huidige dreigingsmodellen reikt.
5. Van pilots naar gereguleerde, schaalbare uitrol
Eén sessie, die de stap van AI-pilots naar gereguleerde schaal direct aansneed, pakte het gat aan waar dit artikel steeds op terugkomt: de afstand tussen een werkende pilot en een gereguleerde AI-uitrol die is vrijgegeven voor patiëntgericht gebruik. Andere sessies over digitale inclusie — zorgen dat AI-gedreven zorgmodellen patiënten zonder betrouwbare verbinding of digitale vaardigheden niet achterlaten — en over de ontwikkeling van digitale zorg van apps naar gemeenschapsgedreven modellen maakten een programma compleet dat evenveel tijd aan adoptie en gelijkheid besteedde als aan modelprestaties.
Voorbij de sessies: hoe het er met AI-adoptie in de zorg echt voor staat
DHWC 2026 bevestigde drie gaten tussen waar de meeste zorgorganisaties met AI staan en waar ze moeten zijn. Elk vraagt een ander soort engineering om te dichten, en elk komt keer op keer terug in de eigen zorgopdrachten van Crunch-IS.
Het gat in klinische datagereedheid dichten
Klinische data is geen schone tabeldata. Het zijn gestructureerde EPD-velden, artsennotities in vrije tekst, beeldvormend onderzoek, telemetrie van wearables en exports uit verouderde systemen, beheerst door HIPAA en, in de Britse en EU-context, door NHS- en AVG-eisen. Van die staat naar een modelklare dataset komen betekent koppelen aan klinische terminologiestandaarden — SNOMED CT, LOINC, ICD-10 — het bouwen van FHIR-conforme datalagen, en het inrichten van datagovernance in de zorg voordat een model de data überhaupt ziet. Deze stap wordt aan het begin van digitale zorgprogramma’s consequent onderschat, en zelden een tweede keer.
Van pilot naar gereguleerde productie: het uitrolgat
Van een werkende pilot naar een gereguleerd, productieklaar AI-systeem komen vraagt MLOps voor de zorg — een discipline die veel verder gaat dan modelnauwkeurigheid: bewaking op data- en modeldrift, hertrainingspijplijnen, auditlogging en — cruciaal in een klinische omgeving — uitkomsten die uitlegbaar zijn voor de artsen en nalevingsmedewerkers die ernaar moeten handelen. Dat is een ontwerpbeperking die vanaf het begin in de architectuur zit, geen documentatie die vóór een toetsing wordt toegevoegd. Daar kwamen ook verschillende DHWC-sessies over de stap naar schaal en over naleving samen: pilots die werken falen zelden op modelprestaties. Ze lopen vast op de engineering die nodig is om veilig op gereguleerde schaal te draaien.
Het vertrouwen van artsen in AI-ondersteunde beslissingen verdienen
De laatste beperking achter de adoptie van AI voor klinische beslissingsondersteuning is organisatorisch, maar heeft een technisch antwoord. Artsen die hun oordeel in jaren van direct patiëntcontact hebben opgebouwd geven een modelscore niet automatisch vertrouwen, en dat mag ook niet van hen verwacht worden. Het uitrolpatroon dat werkt bouwt een vertrouwenslus in het systeem: AI-uitkomsten lopen naast het klinisch oordeel, verschillen worden vastgelegd en besproken, en het systeem verdient adoptie over opeenvolgende cycli in plaats van van bovenaf te worden opgelegd. Organisaties die dit als bijzaak in het verandermanagement behandelen zien lage adoptie, ook wanneer het onderliggende model nauwkeurig is. Het engineeringwerk zit in het raakvlak tussen AI-uitkomst en klinische besluitvorming, niet in het model alleen.
Waar de AI-investeringen in digitale zorg naartoe gaan
Voor de organisaties die op DHWC 2026 het verst waren is innovatie in digitale zorg een lopend engineeringprogramma met een uitgestippelde weg naar gereguleerde uitrol — geen toekomstige investeringscategorie. Voor organisaties die eerder in het proces zitten is de prioriteit op korte termijn dezelfde als de afgelopen twee cycli: op standaarden gebaseerde interoperabiliteit, governance van klinische data, en een nalevingsarchitectuur die is ontworpen in plaats van erbovenop gelegd.
Vier gebieden trokken op DHWC 2026 de duidelijkste investeringsintentie, zowel in het programma als in de gesprekken op de vloer:
- Generatieve AI voor klinische documentatie en administratieve workflows
- AI-ondersteund beheer van chronische ziekten en psychische gezondheid op basis van continue patiëntdata — de betrokkenheidslaag achter ons eigen met de NHS geïntegreerde GGZ-platform
- Op standaarden gebaseerde integratie van EPD’s en gedeelde zorgdossiers
- Klinische AI voor studiescreening, beeldvorming en videoanalyse, vanaf het begin gebouwd op uitlegbaarheid en gereguleerde uitrol
Een gebrek aan ambitie houdt de AI-adoptie in de zorg niet tegen. Wat degenen die echt vooruitkomen onderscheidt is data engineering eerst doen, naleving in de architectuur bouwen in plaats van erbovenop plakken, en een uitrolaanpak die klinisch vertrouwen verdient in plaats van veronderstelt.
Conclusie
DHWC 2026 bevestigde dat het AI-gesprek in de digitale zorg volwassen is geworden. Leveranciers en zorgsystemen zijn de vraag voorbij of AI in klinische en administratieve workflows thuishoort – het lastigere, nuttigere gesprek gaat nu over hoe een systeem daar veilig komt, op gestandaardiseerde data, in een vorm die artsen ook echt gebruiken. De beperking is niet ambitie of budget. Het is de volgorde van engineeringwerk tussen data die er vandaag is en AI-systemen die klinische teams dagelijks vertrouwen, en de discipline om dat werk in de juiste volgorde te doen.
Die volgorde — interoperabele data-infrastructuur, modelontwikkeling met naleving voorop, productie-uitrol, en vertrouwen dat in elke fase wordt ingebouwd — is niet ingewikkeld te beschrijven. Ze is veeleisend om uit te voeren waar datagovernance streng is, patiëntveiligheid niet onderhandelbaar, en de artsen die de uitkomsten moeten vertrouwen niet in de kamer zaten toen het werd gebouwd. De organisaties die de komende twee tot drie jaar echt vooruitkomen zijn de organisaties die samenwerken met engineeringpartners die dat van binnenuit kennen.
