Hoe Guardoc Health met AI 1 miljoen klinische documenten per dag verwerkt en 70% minder boetes krijgt

Sophie Jansen · 2026-07-28

Guardoc Health beweert dagelijks meer dan een miljoen klinische documenten te verwerken met Amazon Nova-modellen via Bedrock. Maar wat betekent dit eigenlijk voor de zorg? Laten we erin duiken. ### De risico's van AI in klinische documentatie AI in klinische documentatie draait om een specifieke risicocalculatie. Als het misgaat, stapelen fouten zich op. Denk aan geweigerde Medicare-claims onder het Patient-Driven Payment Model, auditboetes, juridische problemen en in het ergste geval een gemiste diagnose die de behandeling van een patient volledig verandert. Maar als het goed gaat, zie je direct resultaat: minder correcties, minder ziekenhuisoverplaatsingen en lagere nalevingskosten. Guardoc Health, dat documentatiesoftware bouwt voor zorginstellingen voor langdurige zorg, heeft cijfers gepubliceerd die dit ondersteunen. ### De schaal van het onderliggende probleem De pijplijn van Guardoc moet documenten verwerken die in bijna elk denkbaar formaat binnenkomen. Denk aan: - Meerpagina's PDF's met handgeschreven aantekeningen van artsen over gedrukte tekst - Machtigingsformulieren waarbij een enkel vinkje een verzekeringsbeslissing bepaalt - Medicatielijsten die in het ene dossier als nette tabel verschijnen en in het andere als vrije tekst - Patiëntenintakeformulieren met getypte velden, rubberstempels en handschrift op dezelfde pagina Onderzoek gepubliceerd in BMJ Quality and Safety schat dat ongeveer 12 miljoen Amerikaanse patiënten per jaar worden getroffen door diagnostische fouten, waarbij informatieverwerkingsproblemen een belangrijke rol spelen. Bij het volume dat Guardoc verwerkt, zou een foutpercentage van 1 procent alleen al bij conditiedetectie duizenden onjuiste dossiers per dag opleveren. Elk dossier heeft zijn eigen consequenties voor patiëntveiligheid of naleving. ### Indrukwekkende resultaten, maar met een kanttekening Guardoc rapporteert een vermindering van 46 procent in documentatiefouten, een daling van 70 procent in auditboetes en een jaarlijkse ROI van meer dan €370.000 voor een enkele locatie. Ze delen echter niet de basisperiode of methodologie achter deze berekeningen. Dat is een gemis, want zonder die context blijft het lastig om de cijfers goed te interpreteren. In een kwartaalimplementatie over twee locaties en 200 patiënten leidde het systeem volgens het bedrijf tot 847 documentatiecorrecties, werden 86 problemen gerelateerd aan PDPM-terugbetalingsnauwkeurigheid gesignaleerd en was er een vermindering van 74 procent in ziekenhuisoverplaatsingen per 100 opnames. Een aparte casestudy over zeven locaties en 1.618 bewoners identificeerde 10.612 problemen. ### Een pijplijn gebouwd op kosten én nauwkeurigheid De architectuur van Guardoc gebruikt retrieval augmented generation voor conditieclassificatie. Het systeem haalt eerst bewijs uit de eigen documentatie van een patiënt en redeneert er vervolgens overheen voor een definitief antwoord. Amazon Textract haalt tekst en structurele metadata uit elke binnenkomende pagina, tegen de laagste kosten per pagina in de pijplijn. Die output wordt opgedeeld langs klinische grenzen, zodat een medicatielijst of diagnosesectie intact blijft. Elk stuk wordt geëmbed met Amazon Titan Text Embeddings V2 en opgeslagen in Amazon DynamoDB, gesegmenteerd per patiënt. Een aangepaste voorfilter verkleint de kandidaatset op documenttype en recentheid, waarna een k-nearest neighbour-zoekopdracht de meest relevante stukken ophaalt voor een classificatievraag. ### Waarom kostenbeheersing cruciaal is Amazon Nova 2 Lite voert eerst een tekstgebaseerde controle uit om duidelijke niet-overeenkomsten te verwijderen. Alleen pagina's die alle eerdere filters overleven, bereiken Amazon Nova Pro. Dit model ontvangt de ruwe PDF-bytes en redeneert over lay-out, handschrift, handtekeningen en stempels om de definitieve classificatie te produceren. Het ontwerp volgt een logica van kostentiering: goedkope componenten doen het massawerk zoals embeding en grove filtering, terwijl de rekenintensievere multimodale redenering wordt bewaard voor de laatste fase waarin het echt nodig is. Dit bespaart niet alleen geld, maar ook rekentijd. ### De harde gevallen in klinische documentatie Twee documenttypen zorgen voor de meeste problemen in eerdere pijplijnen: handgeschreven aantekeningen en formulieren met rubberstempels. Guardoc's aanpak pakt dit aan door multimodale AI in te zetten die niet alleen tekst leest, maar ook visuele elementen interpreteert. Dit is waar de echte meerwaarde zit. ### Conclusie Guardoc Health laat zien dat AI in de zorg niet alleen over technologie gaat, maar over het vinden van de juiste balans tussen kosten, nauwkeurigheid en schaalbaarheid. De resultaten zijn veelbelovend, maar meer transparantie over methodologie zou de geloofwaardigheid alleen maar versterken. Voor zorginstellingen die worstelen met documentatie, biedt deze aanpak een interessant alternatief.