Een arts ziet een vrouw van 38 met vermoeidheid. Ze heeft thuis met ChatGPT haar klachten geordend en presenteert haar eigen lijstje: schildklier, ferritine, depressie. De arts luistert, vult aan, dicteert het consult. De nieuwe AI maakt er een keurige SOEP van waarin de lijst van de vrouw terugkomt als werkhypothese. De aanvraagmodule met AI-ondersteuning herkent de hypothese en stelt het bijbehorende lab voor. De arts klikt akkoord. Drie dagen later: alle uitslagen normaal. HiX vat de uitslag samen, stelt automatisch een brief op en die kan meteen de deur uit.
Soms denken we alleen het tikwerk uit handen te geven. De vrouw liet ChatGPT haar klachten en gedachten ordenen. Zij wilde zo goed mogelijk geholpen worden. De arts liet de AI zijn verslag tikken. Hij wilde efficiënt werken. De aanvraagmodule vinkte aan, HiX vatte samen en hielp de arts. Het denken, daar zou de arts zelf voor zorgen. Maar tegen de tijd dat we daar aan toekomen, is er soms niets meer om over na te denken.
Dit is de nieuwe realiteit. Op het internet. Op LinkedIn. Op Substack. Jason Koebler noemt het het Zombie Internet: de toestand waarin mensen met modellen praten, modellen met modellen, en niemand meer kan aanwijzen waar de mens ophoudt en het model begint. Wat hij beschrijft voor X en LinkedIn voltrekt zich ook in de spreekkamer. Het Zombie Ziekenhuis is geen voorspelling, het is een diagnose.
Het voltrekt zich bij mijn aanvragen. Vroeger leerde je van de oudere AIOS de toverwoorden van de radioloog om een scan meteen te krijgen. Scheurende pijn tussen de schouderbladen, klassiek. Nu typt de ANIOS zijn vraag in ChatGPT en krijgt een briljante aanvraag terug die bijna lijkt op de patiënt die op de SEH ligt. Mijn AI maakt daar een verslag van dat keurig op die aanvraag ingaat. Deze modellen, allen uit dezelfde training, zijn het, net zoals ik vaak, enorm met zichzelf eens. Maar geeft het eindresultaat het probleem van de patiënte weer?
Ook voor schrijven over medische onderwerpen werkt het perfect. Ik lijk extra slim, erudiet bijna, professorabel misschien. Maar ook uncanny. Stijlfiguren die werkten bij een 19e-eeuwse schrijver overspoelen het internet en medische LinkedIn-posts. In de stijl van onze patiënt een illustratief voorbeeld:
Niet de patiënt is misleid, niet de arts heeft gefaald, maar het systeem heeft zichzelf bevestigd. — driedelige trap.
Het systeem verliest de taal waarmee het zichzelf nog kan corrigeren. — orakelzin.
De kwaliteit van besluitvorming wordt afgemeten aan de coherentie van de samenvattingen, en de samenvattingen zijn coherent omdat ze door dezelfde modellen zijn geschreven. — gesloten cirkel.
De vraag is niet óf AI de spreekkamer verandert, maar onder welke voorwaarden de patiënt daar nog zichzelf is. — balanszin.
En ergens, na het laatste belletje, zit een vrouw van 38 die nog steeds moe is. — empathische landing.
Vijf zinnen die ergens hadden kunnen staan zonder dat iemand ze had opgemerkt. Zinnen die je elke dag leest. Niemand zou ze hardop zeggen tegen de patiënt.
Ook dit stuk komt zo tot stand. Ik typ, Claude schrijft mee. Ik haal eruit wat naar AI klinkt. Wat overblijft hoop ik dat van mij is.
Op een Socials-tijdlijn is dat irritant. In het ziekenhuis is het iets anders. Een tweet die door drie modellen is opgepoetst blijft een tweet. Een diagnose die door drie modellen is gevormd is een uitspraak over een mens die zich niet aan modelvoorkeuren houdt. Als de patiënt binnenkomt met een ChatGPT-versie van zichzelf, het consult eruit komt als een Autoscriber-versie van het gesprek, en de brief een HiX-versie van het verslag is: wat diagnosticeren we dan?
Als niemand meer zelf praat, is er dan wel echt iemand ziek?