De keelcontrole. Je kent de oefening. De dokter komt binnen. Je gaat op het gekreukelde papier zitten. Een tongspatel, een zaklamp en een verzoek om ‘aaaaah’ te zeggen. Het is een eeuwenoude geneeskunde. Het is feitelijk niet veranderd sinds Hippocrates.
Maar het is inefficiënt. En het mist dingen.
Op dit moment kijken artsen naar uw keelholte en raden ze. Ze zien roodheid. Ze zien zwelling. Ze proberen uw symptomen te vergelijken met een mentale database van virussen. Maar de patronen in de keel zijn veel specifieker dan dat. Verschillende ziekteverwekkers laten verschillende digitale vingerafdrukken achter in de slijmvlies- en bloedvatennetwerken. Daar bevindt zich een enorme hoeveelheid verborgen gegevens, wachtend om gelezen te worden.
Een Japanse startup genaamd Iris wil het lezen.
Het einde van het neusuitstrijkje
Nodoca binnenkomen. Dit is het AI-gestuurde systeem dat Iris heeft ontwikkeld om keelbeelden te analyseren met een compact camera-apparaat. Het ziet er niet alleen uit. Het verwerkt.
Door farynxbeelden met hoge resolutie te combineren met gegevens uit interviews met patiënten, beoordeelt Nodoca in ongeveer tien seconden of er sprake is van griep. Dat is het. Tien seconden.
De implicatie is enorm voor patiënten die bang zijn voor de grieptest. De huidige gouden standaard vereist een neusuitstrijkje. Ken je dat gevoel? Koud. Nat. Ongemakkelijk. Het inbrengen van een wattenstaafje diep in de neusholte is een pijnlijk, invasief proces. Nodoca elimineert de noodzaak van dat uitstrijkje volledig. Je doet gewoon je mond open.
Omdat de beeldopname niet-invasief is, kunnen artsen ook eerder in de ziektecyclus testen. U hoeft niet ziek genoeg te zijn om de virale last in de neus te laten pieken. Als er veranderingen in de keel optreden, ziet de AI deze.
Deze efficiëntie is van belang. In 2022 werd Nodoca het eerste met AI uitgeruste medische apparaat in het land dat goedkeuring kreeg als een “nieuw medisch apparaat” en dekking kreeg onder de nationale ziektekostenverzekering. Sindsdien is het gevestigd in meer dan 2.000 klinieken in heel Japan. In oktober 2025 kreeg het systeem goedkeuring voor een extra functie specifiek voor het detecteren van SARS-CoV-2.
Waarom hardware op de eerste plaats komt
De meeste medische AI-bedrijven zijn software-first. Ze gebruiken bestaande datasets, trainen modellen en hopen dat de klinieken over de hardware beschikken om de gegevens vast te leggen. Iris ging achteruit. Zij hebben de camera gebouwd.
Sho Okuyama, de oprichter van Iris, is geen typische tech-ondernemer. Hij is een voormalig spoedarts. Hij heeft op afgelegen eilanden gewerkt met honderden inwoners en minimale middelen. Op die eilanden bestond geen geavanceerde diagnostische technologie. Gewoon een stethoscoop en zijn eigen zintuigen.
“Als mensen ‘medische AI’ horen, denken ze vaak aan het onderdeel dat diagnoses stelt”, zegt Okuyama. “Maar de echte onderscheidende factor ligt in de manier waarop de gegevens worden verkregen.”
Dit is de sleutel tot de lange zoektocht naar ‘betere keelscantechnologie’ of ‘AI-diagnostische hardware’. Zonder consistente invoergegevens van hoge kwaliteit is AI nutteloos.
Toen Iris het bedrijf in 2017 oprichtte, was het probleem groot: er waren geen trainingsgegevens voor AI die specifiek op de menselijke keel waren gericht. Het internet stond vol met algemene medische beelden. Geen van hen waren gestandaardiseerde keelopnamen gecombineerd met geverifieerde diagnoses.
Dus Okuyama leende camera’s. Hij leende ze uit aan ongeveer honderd medische instellingen. Gedurende drie jaar verzamelde hij gegevens. Met toestemming van de patiënt uiteraard. Dit loste drie grote onzekerheden in één keer op:
- Het ontwikkelen van hardware die consistente beelden vastlegt.
- Het bouwen van een enorme, gespecialiseerde trainingsdataset.
- Bewijzen dat AI-ondersteunde diagnose in de praktijk zou kunnen werken.
Tegen de tijd dat Nodoca commercieel werd gelanceerd, was de basislijnnauwkeurigheid solide. Maar dat was nog maar het begin.
De netwerkeffectbarrière
Nodoca wordt slimmer bij elk gebruik. Dit is waar de vraag ‘hoe wordt AI in de loop van de tijd beter’ meestal op een muur botst. Veel AI-systemen hebben last van statische trainingssets. Nodoca niet.
Elke keer dat een arts Nodoca in een klinische setting gebruikt, worden geanonimiseerde verwerkte gegevens teruggekoppeld naar het systeem. Het model wordt bijgewerkt. De patronen worden scherper.
De bibliotheek met keelbeelden is geëxplodeerd van honderdduizenden naar enkele miljoenen. Dat is een duizelingwekkend aantal datapunten voor een niche-anatomische regio.
Dit netwerkeffect creëert een formidabele toegangsbarrière. Waarom zou een concurrent nu beginnen? Ze zouden de hardware, de wettelijke goedkeuring, de verzekeringsdekking en, belangrijker nog, de decennia aan verzamelde beeldgegevens moeten repliceren. Op dit specifieke terrein zijn er geen laatkomers naar voren gekomen. De gracht is diep.
Beyond Griep: diabetes en hypertensie detecteren
Het directe gebruiksscenario is infectieziekte. Maar de ogen van de AI kunnen dieper kijken.
Het slijmvlies en de bloedvaten in de keel weerspiegelen bredere gezondheidskenmerken. Veranderingen in kleur, textuur en vaatstructuur kunnen systemische problemen signaleren. Iris doet al onderzoek en ontwikkeling naar het gebruik van AI om levensstijlgerelateerde ziekten, zoals diabetes en hoge bloeddruk, op te sporen op basis van keelpatronen.
Het klinkt als sciencefiction totdat je je realiseert dat microvasculaire veranderingen vaak in de keel optreden voordat ze in een bloedtest zichtbaar worden. Of voordat de patiënt symptomen voelt.
“Ik denk dat we over ongeveer tien dagen… nee, tien jaar,” corrigeert Okuyama zichzelf in toon, maar niet in tekst, “een tijdperk zullen bereiken waarin één enkele keelfoto een uitgebreide reeks tests kan uitvoeren.”
De kostendynamiek hier is interessant. De kosten van AI-inferentie zijn extreem laag. Als het model eenmaal is getraind, voegt het toevoegen van meer diagnostische lagen (controleren op griep, vervolgens controleren op hypertensiemarkers en vervolgens controleren op diabetesrisico’s) vrijwel geen marginale kosten voor de aanbieder toe.
Het gezondheidszorgbezoek opnieuw vormgeven
Okuyama is niet geïnteresseerd in het sneller maken van het fysieke onderzoek. Hij wil de hele structuur van de eerstelijnszorg opnieuw vormgeven.
Het huidige model is kapot. Het is reactief. Je wordt ziek. Je wacht op een afspraak. Jij gaat naar binnen. Je wacht weer op de labs.
Okuyama voorziet een naadloze stroom. AI-aangedreven medische interviews gebeuren eerst op afstand. De AI-triages. Als het potentiële problemen in de keelscan detecteert, markeert het deze. De patiënt gaat indien nodig naar de huisarts of gaat rechtstreeks naar een specialist. AI is in elke fase geïntegreerd.
Om dit mogelijk te maken, codeert Okuyama niet alleen. Hij is aan het lobbyen. Hij stelt hervormingen van de regelgeving voor aan de ministeries. Hij begrijpt dat technologie het beleid overtreft. De hard- en software zijn gereed. De regels moeten een inhaalslag maken.
Het is een gewaagde spil. Van spoedarts tot infrastructuurarchitect. De keel is slechts het toegangspunt.
Het wattenstaafje gaat weg. De zaklamp wordt vervangen. Het ‘aaaaah’ blijft misschien bestaan, maar de betekenis erachter staat op het punt te veranderen. We gaan van visueel raden naar datagestuurde diagnoses. Het is schoner. Het is sneller. En voor de miljoenen die bang zijn voor de neussonde is het een opluchting.
Maar wie krijgt toegang? Momenteel alleen in Japan. Totdat de rest van de wereld dit voorbeeld volgt.
