HMC pakt ‘no shows’ aan met AI

Van links naar rechts: Siem Aarts, Edwin Gijsen en Frederique Baas

27 november 2025

In HMC komt het regelmatig voor dat patiënten niet op hun afspraak verschijnen. Dat noemen we ‘no shows’. Dit is vervelend voor de patiënt zelf, omdat die misschien niet (op tijd) de zorg krijgt die hij of zij nodig heeft. HMC kost het zeldzame zorgtijd en geld. In een pilot op de poliklinieken Kaakchirurgie en Preoperatieve Screening (POS) onderzoeken we of we met behulp van AI iets aan dit probleem kunnen doen.

Binnen HMC komen gemiddeld 6 van de 100 patiënten niet opdagen op hun afspraak. Dat zijn ieder jaar ruim 65.000 patiënten. Uit landelijk onderzoek blijkt dat iedere gemiste afspraak een ziekenhuis tussen de 50 en 150 euro kost. Alleen al financieel gezien kost het HMC dus miljoenen euro’s. Het doel van HMC is maximaal 3 no shows per 100 patiënten.

Daarom is HMC een pilot gestart om het aantal patiënten te verminderen dat wegblijft op de afspraak. We bellen patiënten die volgens een AI-voorspelmodel een grote kans hebben om niet te komen. Andere ziekenhuizen, zoals Zuyderland en Erasmus MC, hebben met deze aanpak al goede resultaten behaald.

Complexe verbanden
Bij deze pilot maakt HMC gebruik van een zelf ontwikkeld machine learning algoritme. Dit is een vorm van kunstmatige intelligentie (AI) die patronen zoekt in data en op basis daarvan voorspellingen doet. Bij het ontwikkelen van het algoritme kon HMC gebruikmaken van de ervaringen van andere ziekenhuizen. Het AI-model dat HMC heeft gemaakt, kijkt naar verschillende kenmerken die invloed kunnen hebben op het wel of niet komen opdagen. Bijvoorbeeld eerdere no shows, het type afspraak, het tijdstip van de afspraak, of de patiënt man of vrouw is en hoe lang van tevoren de afspraak gepland is.

“We geven het model heel veel informatie tegelijk”, vertelt data scientist Siem Aarts van HMC-afdeling integraal capaciteit management. Hij heeft het AI-model geprogrammeerd en de pilot mede opgezet. Daarbij werkte hij nauw samen met business intelligence specialist Edwin Gijsen. “Het systeem berekent vervolgens welke patiënten de grootste kans hebben op een no show”, vervolgt Siem. “Het algoritme legt verbanden die je anders niet makkelijk zou kunnen vinden.”

Top 25
De pilot op de poliklinieken Kaakchirurgie en Preoperatieve Screening (POS) duurt 3 maanden. “Deze poli’s hebben relatief veel no shows en willen hier graag iets aan doen”, verklaart Siem de deelname van Kaakchirurgie en de POS. “Daarnaast kan een no show bij de POS in het ergste geval betekenen dat een operatie niet door kan gaan. Dan heeft het nog grotere gevolgen.”

Elke week maakt het AI-model per poli een lijst met patiënten met een hoog risico op een no show die de komende week een afspraak hebben. De poliklinieken bellen vervolgens 25 van deze patiënten om hen te herinneren aan de afspraak. “We vergelijken het aantal patiënten uit deze groep dat toch niet komt opdagen met de no shows bij 25 vergelijkbare patiënten die we niet bellen”, zegt teamleider Frederique Baas van de afdeling Business Intelligence. “Op deze manier kunnen we inzichtelijk maken hoe goed deze aanpak werkt. En aan het eind van de pilot bepalen in hoeverre het algoritme ons kan helpen om richting de gewenste 3 procent no shows te gaan.”