Het zoekvolume op een variant van "vervangt AI de medical writer" groeit gestaag, en de meeste antwoorden erop zijn geruststelling in plaats van argument. Dit is het structurele antwoord: onder de regels die medisch uitgeven nu beheersen kan AI de rol niet vervullen, omdat de rol wordt gedefinieerd door verantwoordelijkheid en niet door output.
De regel die het beslecht
Het International Committee of Medical Journal Editors eist sinds mei 2023 dat auteurs het gebruik van AI-hulpmiddelen bij manuscriptvoorbereiding melden, en het verbiedt expliciet AI als auteur of co-auteur. De onderbouwing telt zwaarder dan het verbod zelf: auteurschap draagt verantwoordelijkheid voor de integriteit van het werk, en een model kan nergens verantwoordelijk voor zijn.
Dat is geen tijdelijke drempel die op betere modellen wacht. Het is een uitspraak over wat auteurschap is. Een capabeler model wordt niet verantwoordelijker. Zie de ICMJE-aanbevelingen en GPP 2022, dat vergelijkbare transparantie doortrekt naar manuscripten, abstracts, posters, congrespresentaties en plain language summaries.
Wat AI werkelijk overneemt
De eerlijke versie is dat een groot deel van het werk wél verschuift — alleen niet het deel dat het vak definieert.
- Screening. Titel- en abstractscreening plus full-text-extractie voor een systematisch onderzoek kost handmatig vier tot zes weken expertijd. Met ondersteunde retrieval en screening kan de eerste vijver binnen dagen meer dan gehalveerd worden.
- Eerste concepten. Merck rapporteerde dat het schrijven van een clinical study report terugging van twee à drie weken naar drie à vier dagen, met een eerste concept van 180 naar 80 uur en gehalveerde fouten.
- Consistentiecontrole. Referentieopmaak, terminologie, consistentie over documenten heen — mechanisch, hoogvolume, en precies waar late fouten het duurst zijn.
- Reviewroutering. Veeva rapporteert tot 75% kortere doorlooptijd van MLR-review met AI-ondersteuning.
Lees dat lijstje nog eens en let op wat het gemeen heeft. Elk punt is verwerking — verplaatsen, sorteren, opmaken, richting een sjabloon schrijven. Geen van alle is een oordeel over de vraag of een claim door de data wordt gedragen.
Wat het structureel niet kan overnemen
Drie dingen, en het zijn de drie waarop u aansprakelijk bent als ze misgaan.
- Verantwoordelijkheid voor juistheid. Iemand moet aanspreekbaar zijn op de vraag of het artikel zegt wat de data ondersteunt. ICMJE is expliciet dat dat geen model kan zijn.
- Oordeel over wat je weglaat. Het meeste risico in medisch schrijven zit in wat een document impliceert of weglaat, niet in wat het stelt. Dat is een redactionele keuze binnen regulatoire en ethische context.
- Omgaan met de randvoorwaarde zelf. Wiley, Wolters Kluwer en Elsevier waarschuwen alle drie tegen het uploaden van ongepubliceerde manuscripten of patiëntgegevens naar algemene LLM’s. Weten welke tool welk document mag raken, hoort inmiddels bij het vak.
Het werk dat wél op de tocht staat
Er bestaat een versie van medisch schrijven die AI wél bedreigt, en doen alsof dat niet zo is helpt niemand: de rol die vooral opmaken is, vooral dezelfde inhoud in een ander sjabloon zetten, vooral samenstellen. Dat werk werd altijd al ondergewaardeerd en is nu goedkoop.
De rol die waardevoller wordt is de rol die altijd al het punt was — bepalen wat het bewijs draagt, de claim zien die de review niet overleeft, en verantwoordelijkheid nemen voor een document met een naam eronder. Gaat screening van zes weken naar dagen, dan komt de schrijver eerder aan het oordeel toe en besteedt hij meer van het project aan het deel dat alleen een mens kan doen.
Wat dit betekent als u een MedComms-team leidt
Twee praktische gevolgen.
Ten eerste: begin waar geen ongepubliceerde wetenschap wordt blootgesteld. Publicatietrackers, MLR-wachtrijen en congreskalenders zijn procesmetadata — er verlaat niets gevoeligs het pand, de terugverdientijd is zichtbaar, en u bouwt de auditgewoonten op die u nodig heeft vóór u schrijfwerk aanraakt. Circa 88% van de spreadsheets bevat fouten, en hier betekent een fout een gemiste disclosure of een verkeerde versie ingediend.
Ten tweede: maak de menselijke ondertekening structureel in plaats van procedureel. Geen beleidszin maar een workflow die niet verder kan zonder benoemde goedkeuring. In ons clinical-NLP-werk leverde dat patroon 100% clinicus-ondertekening op elke samenvatting op, terwijl de doorlooptijd van ontslag met 60% daalde.
Het volledige beeld staat in onze gids AI voor medisch uitgeven, en we vergeleken de tools per taak in AI-tools voor medisch uitgeven.