SymptomAI van Google voert volledige gesprekken met mensen over hun gezondheidsklachten en sluit af met een differentiaaldiagnose, een lijst met de meest waarschijnlijke verklaringen voor de symptomen. In een gerandomiseerde studie met 13.917 deelnemers beoordeelden onafhankelijke clinici die lijsten als nauwkeuriger dan de beoordelingen van collega-artsen die dezelfde gesprekken lazen. Het is de eerste keer dat een AI-symptoomchecker op deze schaal is getest met echte mensen die hun eigen klachten in eigen woorden beschrijven.

Het probleem met bestaande symptoomcheckers

Taalmodellen scoren al jaren goed op medische casussen uit leerboeken en evenaren of overtreffen daarbij soms clinici. Maar die casussen zijn netjes uitgeschreven, compleet en meestal synthetisch. Ze lijken weinig op hoe jij je klachten zou beschrijven, met onvolledige informatie, eigen interpretaties en zonder medische termen. Tegelijk is het klassieke doktersgesprek, de gouden standaard voor symptoombeoordeling, voor veel mensen moeilijk bereikbaar door financiële, geografische en andere drempels.

De cijfers over bestaande tools illustreren het probleem. Een systematische review uit 2025 van negentien studies laat zien dat de triage-nauwkeurigheid van klassieke symptoomcheckers schommelt tussen 11,5 en 90 procent, afhankelijk van de app. Taalmodellen presteren consistenter met scores tussen 57,8 en 76 procent, terwijl leken zonder hulpmiddel tussen 47,3 en 62,4 procent scoren. Vrijwel al die studies werkten echter met fictieve beschrijvingen. Hoe zo’n systeem presteert wanneer een echte persoon om twee uur ’s nachts vage buikpijn beschrijft, bleef grotendeels onbeantwoord. Dat gat wilde Google dichten.

De opzet van de SymptomAI-studie

Onderzoekers van Google Research en Google DeepMind bouwden vijf experimentele varianten van SymptomAI, elk gebaseerd op Gemini Flash 2.0 maar met een eigen gespreksstrategie. De studie liep via de Fitbit-app. In totaal 13.917 deelnemers gaven toestemming en werden willekeurig aan één van de vijf agents gekoppeld.

Het gesprek volgde telkens dezelfde grote lijnen. Je beschrijft je symptomen, de AI stelt vervolgvragen en het gesprek eindigt met een differentiaaldiagnose plus aanbevolen vervolgstappen. Twee weken later kregen deelnemers een vragenlijst met de vraag welke diagnose een zorgverlener inmiddels had gesteld. Van 1.228 deelnemers kwam zo’n door een zorgverlener bevestigde diagnose binnen. Een panel van drie gecertificeerde clinici beoordeelde vervolgens 517 gesprekstranscripten, goed voor meer dan 250 uur annotatiewerk. Cruciaal detail: de beoordelaars wisten niet welke diagnoselijst van SymptomAI kwam en welke van een collega-arts.

SymptomAI versloeg clinici in een blinde test

In meer dan de helft van de beoordeelde casussen kozen de clinici de differentiaaldiagnose van SymptomAI als de beste, vaker dan die van hun eigen vakgenoten. Ook op nauwkeurigheid scoorde de AI beter. De kans dat de door de zorgverlener gestelde diagnose in de lijst van SymptomAI voorkwam, was 2,56 keer groter dan bij de lijsten van clinici.

Het grootste voordeel deed zich voor in casussen waarin de beoordelende clinici zelf het minst zeker waren van hun eigen diagnose. Precies daar waar medische beoordeling op afstand het moeilijkst is, voegde de AI de meeste waarde toe.

Actief doorvragen maakt het verschil

De meest bruikbare les zit in de vergelijking tussen de vijf verschillende methodes. Twee varianten kregen volledige vrijheid om door te vragen. Twee andere werkten met standaard anamnesevragen zoals die in de medische opleiding worden aangeleerd. De vijfde was een kaal taalmodel zonder actieve vraagstrategie, vergelijkbaar met hoe jij nu met een gewone chatbot over je klachten zou praten.

Alle varianten waarin de AI zelf het gesprek leidde en actief informatie ophaalde, scoorden significant beter dan de basisversie. Dat is logisch als je erover nadenkt. Een taalmodel dat alleen reageert op wat jij spontaan vertelt, mist de details die een arts wél zou opvragen. Zodra de AI die rol overneemt, lever jij als gebruiker meer relevante informatie en wordt de uiteindelijke diagnose scherper. De kwaliteit van een AI-symptoomchecker zit dus niet alleen in het model, maar vooral in het gesprek.

Fitbit-data bevestigt de diagnoses van SymptomAI

De onderzoekers koppelden de gesprekken aan wearable-data van de deelnemers. Van wie daarvoor toestemming gaf, verzamelden ze tot dertig dagen aan biometrische gegevens vóór het gesprek met SymptomAI. In totaal analyseerden ze meer dan 500.000 dagen aan metingen verspreid over bijna vierhonderd aandoeningen.

Bij deelnemers die volgens SymptomAI een acute luchtweginfectie hadden, waren duidelijke fysiologische veranderingen zichtbaar in de dagen vóór het gesprek. Hartfunctie, ademhaling, huidtemperatuur en slaapkwaliteit weken af van het persoonlijke gemiddelde, met een piek rond de dag van symptoommelding. Voor griep was de associatie het sterkst, met een odds ratio boven de 7. De groepen werden uitsluitend gevormd op basis van de diagnose die SymptomAI zelf had opgesteld.

Een controle met 1.509 gesprekken uit een algemeen Amerikaans populatiepanel liet bovendien zien dat de resultaten niet alleen opgaan voor Fitbit-gebruikers. Ook het moment van deelname is een voordeel dat traditionele zorg niet biedt. Deelnemers voerden het gesprek terwijl de symptomen accuut waren, zonder wachttijd voor een afspraak. Dat verbetert mogelijk de nauwkeurigheid van gerapporteerde tijdlijnen, een cruciaal detail voor gezondheidsonderzoek op grote schaal.

De beperkingen van SymptomAI

De onderzoekers benadrukken zelf dat dit exploratief onderzoek is. Alle diagnoses uit de studie waren bedoeld voor analyse en gelden niet als bevestigde klinische diagnoses. Daarnaast kleven er methodologische kanttekeningen aan de resultaten.

  • Een differentiaaldiagnose is een momentopname. Symptomen ontwikkelen zich en diagnoses veranderen, soms weken later.
  • De referentiediagnose kwam via zelfrapportage van deelnemers, niet uit medische dossiers.
  • De beoordelende clinici lazen statische transcripten. Ze mochten zelf geen vragen stellen, terwijl een eigen anamnesegesprek hen waarschijnlijk andere informatie had opgeleverd.
  • Een AI-gesprek mist signalen die een arts in de spreekkamer wel oppikt, zoals lichaamstaal, visuele beoordeling en de bestaande relatie met de patiënt.

Ook de timing van deelname liep uiteen. De een meldde symptomen in een vroeg stadium toen er nog weinig aan de hand was, de ander pas toen het klinische beeld allang duidelijk was. Vervolgonderzoek zal zich waarschijnlijk richten op specifieke aandoeningen in specifieke fasen van ziekteontwikkeling.

Wat SymptomAI betekent voor de toekomst van symptoomcheckers

SymptomAI laat zien waar de winst van AI in symptoombeoordeling zit. Niet in een slimmer model dat beter antwoordt, maar in een agent die beter vraagt. Dat inzicht is ook toepasbaar buiten deze studie want vrijwel elke chatbot voor consumenten werkt vandaag nog volgens het passieve principe dat hier als zwakste variant uit de bus kwam.

Tegelijk opent het onderzoek een tweede deur. Als AI-diagnoses betrouwbaar genoeg zijn, worden fysiologische analyses op gans de bevolking haalbaar. Dat is nu onbetaalbaar. Voorlopig blijft SymptomAI een onderzoeksprototype en geen medisch hulpmiddel, maar de lat voor wat een symptoomchecker kan zijn, ligt door deze studie een pak hoger.