Parkinson, alzheimer, hartfalen: dit hoort een algoritme in uw stem voordat u klachten heeft

Het idee is verleidelijk eenvoudig. U spreekt een paar zinnen in op uw telefoon, een algoritme luistert mee, en er rolt een signaal uit dat de huisarts kan gebruiken. Geen bloedprikken, geen scanner, geen wachtlijst. Voor chronische aandoeningen die zich langzaam en ongemerkt ontwikkelen, zou dat een doorbraak zijn.

De biologie erachter is minder magisch dan het klinkt. Spreken is een van de meest ingewikkelde motorische handelingen die een mens uitvoert: longen, stembanden, tong, lippen, gehemelte en hersenen moeten in fracties van seconden samenwerken. Gaat er ergens in die keten iets mis, dan is dat te horen — vaak eerder dan een patiënt het zelf merkt.

En daar begon het probleem. Vraag tien onderzoekers wat een stembiomarker is en je krijgt tien antwoorden. De één bedoelde de klank van de stembanden, de ander het ritme van iemands zinnen, een derde de woordkeuze. Termen als ‘voice biomarker’, ‘speech biomarker’ en ‘vocal biomarker’ werden door elkaar gebruikt alsof ze hetzelfde betekenden, terwijl ze metingen beschrijven uit compleet verschillende delen van lichaam en brein.

Het gevolg laat zich raden. Studies waren niet te vergelijken, datasets van verschillende instituten lieten zich niet samenvoegen, en toezichthouders die moeten beoordelen of een medisch hulpmiddel deugt, kregen technologieën voorgeschoteld die in onderling onverenigbare termen werden beschreven. Wie geen gedeelde taal heeft, kan ook geen gedeelde standaard afdwingen.

Onder de vlag van het VOCAL-initiatief — voluit Vocal Biomarker Guidelines for Ontology, Classification, Application and Logistics — hebben vierentwintig internationale experts daar in 2024 en 2025 een eind aan gemaakt. Het gezelschap kwam uit de geneeskunde, de spraak- en taalwetenschap, signaalverwerking, statistiek, methodologie, regelgeving en ethiek, en werkte vanuit twee grote netwerken: het Noord-Amerikaanse Bridge2AI-Voice-consortium en het Europese eVoiceNet.

Snel ging het niet. Er waren vijf formele rondes van beoordeling en commentaar nodig, plus een fysieke werkbijeenkomst tijdens het Bridge2AI Voice Symposium van 2025, voordat de definities stonden. Het resultaat is meer dan een verklarende woordenlijst: het is een hiërarchisch model dat de opbouw van menselijke spraak volgt, van het eenvoudigste fysieke proces naar het meest cognitieve.

Niveau 0 legt de basis vast: wat is een biomarker, wat maakt iets een digitale biomarker, en wat onderscheidt een stembiomarker van die bredere categorieën. Daarboven lopen vier niveaus op in complexiteit.

De onderzoekers benadrukken dat dit geen waterdichte schotten zijn. Dezelfde meting — bijvoorbeeld toonhoogte — kan in de ene klinische context een niveau 2-signaal zijn en in de andere een niveau 4-signaal. Dat onderscheid is contextueel, niet absoluut. En toonhoogte alleen stelt geen enkele diagnose.

Er bestaat nog geen app die u vertelt of u alzheimer heeft. Wel bestaan er systemen die veranderingen in uw stem opmerken die u zelf nog niet hoort.

Dat verschil is wezenlijk. In een Amerikaanse studie kregen hartfalenpatiënten een app die elke ochtend dezelfde vijf zinnen liet inspreken en die vergeleek met een eerdere basismeting. Het systeem sloeg in ongeveer 80 procent van de gevallen alarm binnen een maand voordat de verslechtering zich daadwerkelijk aandiende. In Luxemburg loopt een grootschalig onderzoek waarin stemopnames worden gebruikt om onder meer type 2-diabetes op te sporen.

Wat het definitiewerk urgent maakt, is de snelheid waarmee AI zich over stemdata ontfermt. Zulke systemen halen patronen uit audio op een schaal die geen mens bijhoudt, maar ze werken vaak als een zwarte doos: er komt een uitkomst uit die artsen en toezichthouders niet kunnen navertellen.

Door stemkenmerken te koppelen aan gedefinieerde niveaus met bijbehorende fysiologische of cognitieve processen, kan een arts scherpere vragen stellen. Niet langer ‘het model zegt verhoogd risico’, maar: uit welk niveau van stemproductie put dit systeem, en is dat verband ooit fatsoenlijk getoetst? Dat helpt bij interpretatie en transparantie. Het valideert op zichzelf nog geen enkel hulpmiddel voor klinisch gebruik.

De opstellers zijn opvallend eerlijk over de gaten. Dit is definitiewerk, geen handleiding voor onderzoek en zeker geen klinisch keurmerk. Het zegt niets over hoe je stemdata gestandaardiseerd verzamelt, hoe je een specifiek hulpmiddel valideert, of hoe je omgaat met de enorme variatie tussen apparaten, opnameomgevingen, talen en culturele achtergronden.

Dat laatste is geen detail. De menselijke stem is geen universeel signaal. Wat als afwijkend spreekpatroon geldt, en hoe emotie doorklinkt in intonatie, verschilt per taal en cultuur. Het panel bestond uit deskundigen uit Europa en Noord-Amerika; deelnemers uit Afrika, Azië en Latijns-Amerika ontbraken, net als patiënten zelf en beleidsmakers uit de publieke gezondheidszorg. Voor een technologie die uiteindelijk ook in de spreekkamer terechtkomt, is dat een blinde vlek die eerst gedicht moet worden.

Daar komt de Nederlandse praktijkvraag nog bij: stemopnames zijn biometrische gegevens, en gekoppeld aan gezondheidsinformatie vallen ze in de zwaarste privacycategorie. Wie stemdiagnostiek in de huisartsenpraktijk wil, moet dus niet alleen bewijzen dat het werkt, maar ook dat de opnames veilig zijn.

Een gedeelde taal is niet de finish. Het is het startschot.