Generatieve kunstmatige intelligentie (kortweg: GenAI) is razendsnel opgekomen, vooral sinds de lancering van ChatGPT op 30 november 2022. Plotseling kan AI niet alleen antwoorden geven, maar ook gesprekken voeren, beelden maken, zinnen herschrijven, en zelfs emoties inschatten. En dat opent mogelijkheden in de zorg – zeker in de zorg voor mensen met autisme.
In de autismezorg kampen we al jaren met lange wachttijden, een tekort aan gespecialiseerde hulpverleners en een enorme diversiteit aan ondersteuningsbehoeften. Traditionele diagnostiek is vaak arbeidsintensief, subjectief en afhankelijk van experts die er simpelweg niet altijd zijn. En dan hebben we het nog niet eens over gepersonaliseerde begeleiding of therapie.
AI lijkt voor al die problemen een mogelijke oplossing te bieden. Maar is dat ook echt zo? Een groep onderzoekers uit Zuid-Korea besloot het systematisch uit te zoeken. Ze doken in alle wetenschappelijke studies waarin GenAI werd ingezet voor het opsporen, begeleiden of ondersteunen van mensen met autisme. Hun conclusie? Veelbelovend, maar voorlopig vooral nog… veelbelovend.
Van diagnose tot therapie: Wat AI nu al kan
Wat doet GenAI dan precies? De onderzoekers vonden 10 relevante studies, verdeeld over drie toepassingsgebieden: vroege opsporing en diagnose, therapie en ondersteuning, en informatievoorziening aan ouders of zorgverleners.
Sommige toepassingen zijn verrassend simpel: een AI-model analyseert bijvoorbeeld teksten van ouders die online vertellen over het gedrag van hun kind. Door vergelijkingen te maken met bekende symptomen, herkent het systeem mogelijk vroege signalen van autisme. Een andere studie gebruikte AI om stemopnames van kinderen te analyseren op typische kenmerken zoals monotoon spreken of echolalie (het herhalen van woorden).
Ook in therapieën duikt AI op. Een chatbot zoals ‘Noora’ geeft jongeren met autisme feedback op hun empathische reacties. Een ander systeem, ‘EmoEden’, gebruikt een AI-gegenereerd verhaal (inclusief plaatjes!) om kinderen te leren emoties herkennen. Er zijn zelfs sociale robots met ingebouwde AI die gesprekken kunnen voeren en daarmee sociale interactie oefenen.
En dan is er nog het gebruik van GenAI om meer data te maken. Bijvoorbeeld door realistische zinnen te genereren die typisch zijn voor autistisch gedrag, zodat diagnostische modellen beter kunnen leren.
Beter dan de dokter? De beloftes én de blinde vlekken
AI kan sneller, goedkoper en breder ingezet worden dan menselijke zorgverleners. Bovendien kunnen sommige modellen patronen herkennen die mensen missen. Toch moeten we oppassen met al te veel enthousiasme.
Ten eerste: veel van deze tools zijn nog experimenteel. De datasets zijn klein, de resultaten vaak niet herhaalbaar, en vergelijkingen met ‘gewone’ zorg ontbreken meestal. Sommige modellen werken alleen onder ideale omstandigheden – in een lab, met zorgvuldig geselecteerde deelnemers.
Ten tweede: AI ‘hallicuneert’ soms. Dat klinkt dramatisch, maar het betekent simpelweg dat het systeem iets verzint dat wel geloofwaardig klinkt, maar niet klopt. In medische context is dat natuurlijk gevaarlijk. Vooral als mensen zonder expertise een chatbot gebruiken als vervanging voor echte hulp.
En ten derde: het is meestal volstrekt onduidelijk waarom een AI tot een bepaalde conclusie komt. Transparantie en uitleg ontbreken vaak. En dat maakt het lastig om AI in te passen in professionele besluitvorming.
Voor wie werkt het wél (en voor wie juist niet)?
Net als bij veel medische innovaties is er een risico dat AI vooral goed werkt voor de mensen die toch al makkelijk toegang hebben tot zorg. Veel modellen zijn getraind op Engelstalige data, vaak van jongens, uit stedelijke gebieden, en zonder bijkomende diagnoses. Vrouwen, mensen met migratieachtergrond, mensen uit armere regio’s of mensen met complexere problematiek vallen vaak buiten de boot.
Een AI die getraind is op stereotype beelden van autisme zal minder goed werken voor wie daarvan afwijkt. Of erger nog: die persoon wordt helemaal niet herkend. Daarmee dreigt de kloof tussen groepen alleen maar groter te worden.
De onderzoekers pleiten daarom voor datasets die veel diverser zijn, en voor tests waarin specifiek wordt gekeken naar de prestaties bij ondervertegenwoordigde groepen.
AI als zorgmaatje
Opmerkelijk genoeg blijkt uit meerdere onderzoeken dat veel autistische gebruikers positief reageren op AI-tools. Waarom? Omdat AI voorspelbaar is, niet oordeelt, en eindeloos geduld heeft. Een chatbot die altijd vriendelijk blijft en geen ongemakkelijke blikken werpt, kan een verademing zijn voor iemand met sociale stress.
Bovendien kan AI zich aanpassen aan de communicatievoorkeuren van de gebruiker. In plaats van één vaste aanpak, zoals bij veel groepsinterventies, kan een AI-model het tempo, taalgebruik en zelfs de toon aanpassen. Dat maakt het laagdrempeliger en minder belastend.
Een mooi voorbeeld is de robot NAO, die gesprekken voert met kinderen met autisme. Dankzij slimme aanpassingen – bijvoorbeeld kortere zinnen, voorspelbare reacties en visuele ondersteuning – blijkt dit in de praktijk verrassend goed te werken. Toch blijft menselijke begeleiding essentieel. AI kan ondersteunen, maar geen mens vervangen.
Zorg op maat of algoritmisch doolhof?
Een van de grootste beloften van GenAI is ‘zorg op maat’. Doordat AI zich kan aanpassen aan de unieke kenmerken van een persoon, lijkt dit hét middel om voorbij te gaan aan one-size-fits-all zorg.
Maar: dat werkt alleen als het systeem begrijpt wie die persoon is. Daarvoor moet het gevoed worden met rijke en eerlijke input – en moet het veilig omgaan met gevoelige gegevens. En daar wringt het vaak. Veel AI-systemen zijn ‘black boxes’: we weten niet wat erin gaat, laat staan hoe het verwerkt wordt.
Daarnaast is het gevaar reëel dat zorgverzekeraars of instellingen gaan inzetten op goedkope AI-oplossingen als vervanging van professionele zorg. Terwijl AI nu juist het meeste oplevert in combinatie met menselijke expertise.
Kan dit ook in Nederland en België?
In Nederland en België wordt AI in de zorg vooral toegepast in de somatiek: röntgenfoto’s beoordelen, risico’s inschatten, dat soort werk. In de GGZ zijn de ontwikkelingen trager. Toch ontstaan er initiatieven – onder meer binnen academische ziekenhuizen – om ook AI te verkennen voor psychische ondersteuning en diagnostiek.
Toepassingen specifiek gericht op autisme zijn nog zeldzaam. Wel wordt ChatGPT steeds vaker gebruikt door ouders of mensen met autisme zelf om uitleg te krijgen over diagnoses, problemen of behandelopties. Dat kan helpen – maar ook misleiden. Zoals eerder genoemd: AI klinkt overtuigend, ook als het fout zit.
Belangrijk punt: binnen de Europese Unie gelden (terecht) strenge regels voor het gebruik van AI in de zorg. In Nederland is bovendien de Wet op de geneeskundige behandelingsovereenkomst (WGBO) van toepassing, die eisen stelt aan transparantie en toestemming. Wie AI inzet, moet dus goed nadenken over privacy, toestemming en verantwoording.
Wat moet er gebeuren voor AI echt iets toevoegt?
De onderzoekers doen een aantal heldere aanbevelingen:
- Bouw AI-systemen samen met mensen met autisme en hun naasten.
- Zorg voor transparante modellen die uitleg geven over hun keuzes.
- Test tools niet alleen in laboratoria, maar ook in de ‘echte wereld’.
- Kijk naar langetermijneffecten, niet alleen directe winst.
- Let scherp op bias, representatie en eerlijkheid.
En misschien wel de belangrijkste: laat AI de menselijke zorg niet vervangen, maar versterken. Een AI kan nooit empathie voelen, maar misschien wel helpen om het beter te verwoorden.
Kort samengevat
- GenAI biedt nieuwe kansen voor diagnose, begeleiding en educatie bij autisme.
- De meeste toepassingen staan nog in de kinderschoenen.
- AI werkt niet voor iedereen even goed – diversiteit in data en ontwerp is cruciaal.
- Voor veel mensen met autisme voelt AI prettig: voorspelbaar, neutraal, beschikbaar.
- Kritische toetsing, menselijke begeleiding en ethische waarborgen zijn onmisbaar.
Sohn JS, Lee E, Kim JJ, Oh HK, Kim E. Implementation of generative AI for the assessment and treatment of autism spectrum disorders: a scoping review. Front Psychiatry. 2025 Jul 22;16:1628216. doi: 10.3389/fpsyt.2025.1628216. PMID: 40766925; PMCID: PMC12322814.
