Een voedingsschema in enkele seconden: is AI klaar voor de oncologische zorg?

Een voedingsschema waarvoor een diëtist tijd nodig heeft, kan een AI-systeem in enkele seconden genereren. Dat klinkt als een droomoplossing voor een zorgsector waar tijd beperkt is. Maar wat als dat professioneel ogend schema niet klopt? Houdt het rekening met kanker, slikproblemen, misselijkheid en wetenschappelijke voedingsrichtlijnen? Precies die vraag stond centraal in de bachelorproef van Jonathan Hoes en Emma Vico over artificiële intelligentie binnen de oncologische voedingszorg.

Een oncologisch diëtist begeleidt mensen met kanker doorheen hun traject. Door hun behandeling kampen patiënten vaak met misselijkheid, slikproblemen, smaakverandering, verminderde eetlust en tal van andere bijwerkingen. Daarnaast hebben ze vaak een verhoogde energie- en eiwitbehoefte. Voor elke patiënt moet dus worden nagegaan hoeveel energie en eiwitten nodig zijn, welke voeding nog haalbaar is en hoe het advies aangepast kan worden aan de klachten en behandeling. Al die informatie verzamelen, afwegen en vertalen naar persoonlijk voedingsadvies neemt voor de diëtist veel tijd in beslag. Tijd die ze vaak niet hebben. Dat voedingsbegeleiding meer is dan een rekenoefening, weet Jonathan uit eigen ervaring. Tijdens zijn eigen kankerbehandeling merkte hij hoe belangrijk voedingsbegeleiding is, en hoe sterk dat afhangt van wat je op dat moment aankan. 

 Uit een enquête die Emma en Jonathan uitvoerden bij 21 Vlaamse oncologische diëtisten blijkt dat zij gemiddeld 44 patiënten per week begeleiden. Meer dan de helft van de diëtisten geeft dan ook aan onvoldoende tijd te hebben om alle taken uit te voeren. Naast gesprekken met patiënten moeten zij voedingsbehoeften berekenen, schema’s opstellen, patiëntendossiers invullen maar ook overleggen met artsen en andere zorgverleners. Tijd die naar voorbereiding en administratie gaat, kan niet rechtstreeks aan patiëntenzorg worden besteed.

Waarom voeding bij kanker zo belangrijk is

Voeding tijdens een kankerbehandeling is geen detail. Wanneer een patiënt door misselijkheid, pijn of slikproblemen onvoldoende eet, kan ondervoeding ontstaan. Cachexie, een syndroom met ongewenst gewichts- en spierverlies, speelt volgens een recente overzichtsstudie een rol bij tot 20% van de kankergerelateerde sterfgevallen. Daarom is het zo belangrijk om gewichts- en spierverlies vroeg op te merken en er samen met de patiënt iets aan te doen. De oncologische diëtist stelt dan ook geen standaardmenu op, maar een voedingsplan dat haalbaar is voor die specifieke patiënt. Hierbij kan het gebruik van AI interessant zijn. Systemen zoals ChatGPT, Microsoft Copilot, Google Gemini en Claude kunnen razendsnel voedingsschema’s voorstellen. Maar snelheid is niet hetzelfde als betrouwbaarheid. 

Een AI-systeem kan een antwoord formuleren dat overtuigend klinkt, terwijl de onderliggende berekeningen toch niet volledig correct zijn. En in de zorg is “bijna juist” simpelweg onvoldoende.

Veel interesse, weinig gebruik

Uit dezelfde enquête blijkt dat 18 van de 21 diëtisten (86%) nog geen AI gebruiken. Dat beperkte gebruik lijkt vooral samen te hangen met verschillende bezorgdheden over de betrouwbaarheid van de informatie, de bescherming van patiëntgegevens en de correctheid van gegenereerde voedingsadviezen. 

Toch geven alle respondenten aan AI te willen overwegen als de technologie betrouwbaar, veilig en eenvoudig te gebruiken is. De interesse is er dus wel, maar de stap naar het daadwerkelijke gebruik wordt voorlopig nog niet gezet. 

Hoe je het vraagt, bepaalt wat je krijgt

Daarom werd onderzocht hoe een diëtist, met een standaard AI-chatbot, een voedingsschema kan opstellen dat bruikbaar en betrouwbaar is. Bij chatbots bepaalt de opdracht hoe goed je antwoord is. Zo’n opdracht heet een prompt. 

Uit het onderzoek blijkt dat vooral gestructureerde prompts, met voldoende context en duidelijke doelstellingen, beter bruikbare resultaten opleveren. Een aanpak waarbij de AI naast instructies ook één concreet voorbeeld krijgt van het gewenste antwoord, blijkt daarbij bijzonder interessant. Zo’n voorbeeld helpt het systeem beter te begrijpen hoe het antwoord moet worden opgebouwd. 

Je kunt het vergelijken met instructies die je aan een stagiair geeft. Zeg je alleen: “Maak een voedingsschema”, dan moet die persoon zelf veel zaken invullen. Geef je duidelijk mee hoeveel energie en eiwitten nodig zijn, welke klachten de patiënt heeft en met welke voorwaarden rekening moet worden gehouden, dan wordt de opdracht veel preciezer.

Van onderzoek naar praktische tools

Emma en Jonathan bundelden alle kennis en inzichten uit hun bachelorproef in een praktische gids voor oncologische diëtisten. Die gids begeleidt diëtisten stap voor stap bij het gebruik van AI. Daarin staat uitleg over wat AI is, hoe je het veilig gebruikt en wat de privacywetgeving zegt over patiëntgegevens. Ook laten Emma en Jonathan zien welke informatie belangrijk is om aan AI mee te geven: van de energie- en eiwitbehoefte tot slikproblemen, bijwerkingen en voedingsvoorkeuren. Met voorbeelden tonen ze hoe een diëtist die informatie in een duidelijke opdracht kan verwerken, aangepast aan de situatie van elke patiënt.

Daarnaast ontwikkelden ze een prototype van een digitale toepassing. Het idee is dat AI het voorbereidende werk bij een voedingsschema mogelijk versnelt, zodat de diëtist meer tijd heeft voor de patiënt. De diëtist voert in hun programma patiëntgegevens en voedingsdoelen in. De toepassing zet die gegevens om in een energie- en eiwitdoel voor de patiënt (op basis van wetenschappelijke richtlijnen). Vervolgens maakt de AI een praktisch voedingsschema, rekening houdend met de individuele voorkeur en klachten van die patiënt. Voorlopig is het nog een eerste versie. Of dit in de praktijk werkelijk tijd bespaart en veilig kan worden gebruikt, moet nog verder worden onderzocht. 

De diëtist blijft onmisbaar

Door deze bachelorproef wordt duidelijk dat AI veelbelovend is. Het kan snel een eerste voedingsschema voorstellen en diëtisten mogelijk tijd besparen. Tegelijk blijkt dat een overtuigend antwoord niet automatisch correct is. Berekeningen moeten worden nagekeken en een schema moet passen bij wat een patiënt op dat moment kan en wil eten. Dat vraagt meer dan alleen patiëntgegevens invoeren. Een diëtist hoort tijdens een gesprek welke klachten iemand ervaart, merkt wanneer een advies onhaalbaar is en past het aan als de situatie verandert. Ook beoordeelt de diëtist of een voorstel veilig en verantwoord is. AI kan dat werk ondersteunen, maar de uiteindelijke afweging en het contact met de patiënt blijven mensenwerk. Want achter elk voedingsschema staat een patiënt voor wie het niet alleen moet kloppen op papier, maar ook moet lukken aan tafel.