Academische ziekenhuizen missen een model van het levende systeem, waardoor AI alleen correlaties vindt.
Het lichaam is een gesloten regellus (sensor-regelaar-effector); ziekte is een storing in één onderdeel.
Bio-elektrische velden sturen DNA-expressie, en coherentie meet synchronisatie tussen organen/cellen.
Dit kader biedt een nieuwe benadering voor ziektebehandeling, apparatencoördinatie en efficiëntere zorg.
J.Konstapel,Leiden,18-7-2026.
1 Aanleiding
Op 18-7 las ik een interview met Topman Martin Schalij over de toekomst van het LUMC: ’We kunnen niet doorgaan zoals nu, want dan wordt het onbeheersbaar’
Het viel mij op dat men geen idee had wat zich welke revolutie zich aan het voltrekken is.
2 Wat is een Mens?
De mens is een electro-magnetisch wezen.(E/M).
De E/M-theorie is exact geformuleerd door Clerk Maxwell met behulp van de Quaternions een in zijn tijd net ontdekt wiskundig begrip, wat rotaties of spiralen beschrijft.
Het E/M-veld is afhankelijk van de temperatuur (is ook beweging=rotatie) en wordt bij de theoretisch laagste temperatuur (0 graden Kelvin) het vacuum genoemd.
Het vacuum barst van de oscillaties.
3 Wat neemt de mens waar?
De zintuigen van de mens nemen deze electro-magnetische werkelijkheid op vele niveau’s waar.
4. Dual Space
Volgens Paul Dirac en nu Peter Rowlands en zijn onderzoeksgroep kun je het universum herschrijven met behulp van de quaternions (en een hogere vorm de octonion) en een complementaire vorm, waarin de beweging met en tegen de klok gaat.
Een dergelijk tweedeling zie je in alle wetenschappen terug komen en kun je vergelijken met onze waak-en slaaptoestand (‘het onderbewuste).
Het bwordt ook de intuitie genoemd.
Ai copieert de waaktoestand die weer logisch en vooral talig is waarbij taal ook weer een trilling is.
AI is dus eigenlijk Right Brain maar snapt er niets van want inzicht is Left Brain.
Sommige Mensen kunnen heen-en weer springen en de twee hersenhelften.
De geneeskunde zit vast in de Biochemie, die weer is vertaald in pillen (farmacie), die weer de macht heeft in in het BSP.wat eigenlijk een vastgoed-venture is.
5 The Autonomic Shift: The Long-Term Horizon of Physiological Closed-Loop Control in Healthcare
The integration of Physiological Closed-Loop Control (PCLC) systems represents a fundamental paradigm shift in medicine. Historically, healthcare has operated on an intermittent, reactive model: a patient experiences symptoms, biomarkers are measured, and a clinician manually intervenes. PCLC upends this traditional framework by creating fully autonomous, self-regulating therapeutic loops. Guided by recent technological breakthroughs and regulatory frameworks established around 2026, the long-term trajectory of PCLC points toward a future characterized by multi-variable autonomy, proactive disease interception, and a complete restructuring of the global healthcare economy.
The Evolution Toward Multi-Variable Autonomy
On a long-term horizon, PCLC will evolve from single-variable, device-specific applications into deeply integrated, holistic networks. Current iterations, such as automated insulin delivery systems, largely operate on a single-input, single-output architecture. Over the next decade, however, advanced biosensors and neural interfaces will allow systems to monitor a complex matrix of simultaneous physiological signals—such as cortisol levels, heart rate variability, neural oscillations, and blood pressure.
Driven by decentralized AI agents, these next-generation PCLC systems will not merely respond to a threshold breach; they will decipher the intricate, cross-system patterns of the human body. Consequently, treatment will shift from being reactive to fundamentally predictive. By recognizing microscopic deviations in a patient’s physiological baseline hours before clinical symptoms manifest, these systems can autonomously deploy preventative micro-doses of medication or targeted neuromodulation, effectively intercepting conditions like epileptic seizures, cardiac arrhythmias, or severe panic attacks before they occur.
Market Projections and Structural Disruption
The commercial healthcare market will undergo a profound transformation as PCLC achieves widespread adoption. This structural shift will manifest across three primary pillars:
- The Decentralization of Care: PCLC systems effectively act as a continuous, autonomous intensive care unit embedded within the patient’s daily life. This will trigger a massive migration of high-acuity care out of overburdened hospitals and into the home, dramatically lowering institutional healthcare costs.
- Value-Based Software Models: The traditional Medical Technology (MedTech) business model of selling capital-intensive, one-off hardware is becoming obsolete. The PCLC market is rapidly transitioning toward a Software-as-a-Service (SaaS) and outcome-based reimbursement model. Insurance providers will no longer pay for the physical device, but rather for the efficacy of the algorithm—specifically, the percentage of “time-in-range” the system successfully maintains for the patient.
- Physicians as System Supervisors: The role of medical professionals will shift from active, day-to-day management to high-level oversight. As autonomous algorithms assume the burden of routine titrations and continuous adjustments, clinicians will transition into system supervisors, intervening only when alerted by anomalous data or complex edge cases.
Conclusion
Physiological Closed-Loop Control is ultimately more than a technological upgrade; it is the architectural foundation for autonomous medicine. By removing human latency and error from the management of chronic and acute conditions, the long-term maturation of PCLC will transition global healthcare from a system of crisis management to one of continuous, invisible optimization. In this impending era, the highest achievement of medical technology will be its total ubiquity and complete imperceptibility.
Wat een Ziekenhuis Wél Zou Moeten Weten
J.Konstapel, Leiden, 19-7-2026
Academische ziekenhuizen over de hele wereld — Mayo Clinic, Johns Hopkins, Charité Berlin, Karolinska, en ook het LUMC hier in Leiden — hebben de afgelopen jaren opvallend gelijkende strategieën geschreven. Data-driven healthcare. Artificial Intelligence. Precisiegeneeskunde. Population health.
Stuk voor stuk redelijke ambities. En toch mist er iets, in elk van die documenten, dat zo fundamenteel is dat niemand het schijnt op te merken.
Geen van deze strategieën definieert wat het levende systeem eigenlijk ís waar al die data over gaat.
Dat is geen semantische kwestie. Het is een gat.
De bibliotheek zonder lezer
Neem het LUMC. De strategie “Driven by Health” (2024-2028) noemt drie inhoudelijke speerpunten: Regenerative Medicine, Population Health, en Data-driven Healthcare & AI. Zes transformatiethema’s. Allemaal degelijk. Nergens staat echter een formeel antwoord op de vraag: wat is de mens die dit alles probeert te begrijpen?
De gangbare aanname is impliciet, en overal hetzelfde: een mens is de optelsom van zijn meetbare variabelen. Bloedwaarden, scans, genoom, medicatiehistorie. AI zoekt vervolgens patronen in die optelsom.
Maar data zijn geen model. Data zijn waarnemingen. Een model verklaart waarnemingen. Zonder een expliciet model van wat een organisme is, ontdekt AI correlaties, geen principes.
Michael Levin heeft dit jarenlang experimenteel aangetoond, en dat is waar dit stuk om draait: de ruimtelijke organisatie van een ontwikkelend organisme — welk weefsel waar ontstaat — wordt aangestuurd door bio-elektrische veldpatronen die onafhankelijk van de DNA-sequentie gemanipuleerd kunnen worden. Verander het elektrisch veld van een planaria, en je krijgt een dier met twee koppen, zonder ook maar één gen aan te raken.
Het veld bepaalt de expressie. Het DNA levert de bibliotheek. Maar wie bepaalt welke pagina openligt?
Het lichaam is al een regelsysteem
Hier zit het kernidee van waar dit werk de afgelopen weken naartoe is gegroeid, en het is eenvoudiger dan het klinkt.
In de techniek bestaat een gevestigde categorie: Physiological Closed-Loop Control (PCLC) — systemen die continu meten (sensor), berekenen wat er moet gebeuren (regelaar), en corrigeren (effector). Insulinepompen. Hersenstimulatoren die reageren op een pijnsignaal. Dat soort devices.
Het punt is: het lichaam was dit al, lang voordat er één device bestond.
Een stukje weefsel dat zijn membraanpotentiaal reguleert, doet precies dit. De ionkanalen zíjn de sensor. Het intracellulaire signaalnetwerk ís de regelaar. De ionpompen zíjn de effector. Homeostase, het autonome zenuwstelsel, hormonale feedback — het zijn allemaal grotere versies van hetzelfde principe. Dit is geen metafoor. Het is dezelfde formele categorie, biologisch gerealiseerd voordat ze ooit in silicium werd gebouwd.
Dat verandert de vraag die je aan ziekte stelt. Niet: welke waarde wijkt af? Maar: welk deel van de regellus faalt?
Vier mogelijkheden, en ze zijn stuk voor stuk anders te behandelen:
- Sensorfout — het weefsel meet zichzelf verkeerd (bijvoorbeeld een gemuteerd ionkanaal dat verkeerd signaleert).
- Regelaarfout — de meting klopt, maar het signaalnetwerk dat moet corrigeren is verstoord.
- Effectorfout — de correctie is correct berekend, maar kan niet worden uitgevoerd.
- Referentiefout — sensor, regelaar én effector werken perfect. Alleen is het doel zelf verschoven, en het systeem houdt trouw een verkeerd doel vast.
Die laatste categorie is misschien wel de interessantste. Levin beschrijft kanker precies zo: geen kapotte regellus, maar een regellus die feilloos werkt — naar het verkeerde doel. Tumoren kunnen worden onderdrukt door het elektrische veld van het omringende weefsel te normaliseren, zonder het oncogen zelf aan te raken. Het gen is niet het probleem. Het doel is het probleem.
Een wiskundige vorm voor de toestand
Om dit meetbaar te maken is er een compacte manier nodig om de toestand van een stukje weefsel vast te leggen. Levins eigen bevindingen geven daar al de vorm voor: er is een langzaam veranderend scalair signaal (de DC bio-elektrische spanningsverdeling — het “doel” dat het weefsel vasthoudt) en een sneller, oscillerend signaal (hartritme, celweefselgolven, noem het de “beweging” eromheen).
Eén scalair getal plus één driedimensionale richting die roteert — dat is precies waar een quaternion voor bedoeld is. Niet omdat lichaamsweefsel de vergelijkingen van Maxwell gehoorzaamt (die stap ging in een eerder concept te ver, en is hier bewust losgelaten), maar puur omdat het de wiskundige vorm is die bij de data past — dezelfde reden waarom quaternionen in robotica worden gebruikt om oriëntatie vast te leggen.
Koppel je meerdere van die lokale toestanden aan elkaar — cel aan cel, orgaan aan orgaan — dan kun je die koppeling beschrijven met het Kuramoto-model, een gevestigd wiskundig kader voor synchronisatie van oscillatoren. Daar komt één getal uit, r(t), tussen 0 en 1: hoe coherent het hele systeem op dat moment is.
Coherentie is dan: het weefsel houdt zijn doelpatroon vast (sluiting) én blijft gesynchroniseerd met zijn omgeving (coherentie in engere zin), langer dan toeval zou verklaren. Ziekte is een aanhoudende afwijking van één van beide, of allebei.
Waarom families op elkaar lijken
Er is nog een laag die hier direct bij aansluit, en die de kern raakt van waarom je op je moeder lijkt terwijl je toch niet identiek aan haar bent.
DNA is geen blauwdruk. Het is een bibliotheek. De boeken staan er, maar een bibliotheek leest zichzelf niet — er is een lezer nodig. Die lezer is precies het bio-elektrische veld hierboven beschreven: het bepaalt welke pagina’s van de gedeelde bibliotheek daadwerkelijk worden opengeslagen.
Dat verklaart waarom eeneiige tweelingen, met identiek DNA, systematisch uiteenlopen in gezondheid en aanleg naarmate ze ouder worden: niet omdat hun bibliotheek verschilt, maar omdat ieder zijn eigen, unieke lezer is, gevormd op het specifieke moment en de specifieke plek waarop hun ontwikkeling begon.
Dit levert een concrete, nu al uitvoerbare test op: bij eeneiige tweelingen zou de mate waarin hun epigenetische patronen uiteenlopen moeten samenhangen met de mate waarin hun coherentieprofiel (te meten via hartslagvariabiliteit en EEG) uiteenloopt — onafhankelijk van hun omgevingsgeschiedenis. Geen nieuwe apparatuur nodig. Alleen bestaande tweelingcohorten, bestaande metingen, opnieuw gecombineerd.
Een aanverwant, serieus punt verdient hier precisie in plaats van overdrijving: Peter Rowlands en Vanessa Hill hebben herhaaldelijk aangetoond dat de 64-delige structuur van de genetische code en de 64-delige algebra van hun nilpotente fermion-formalisme opvallend overeenkomen — in groepering, chiraliteit, symmetrie. Een reëel, herhaald gedocumenteerd patroon. Maar Rowlands zelf noemt het consequent een “analogie”, een “sterke overeenkomst” — geen bewezen identiteit. Dat onderscheid houd ik hier aan, ook al is het verleidelijk om het sterker te maken dan het is.
Waar dit de markt raakt
Los van de wetenschap, gebeurt er iets in de sector zelf dat deze richting relevanter maakt dan hij een paar jaar geleden was.
De zorgwereld beweegt van “innovatie tegen elke prijs” naar “overleven door efficiëntie” — personeelstekorten, oplopende kosten, en een wereldwijd verwacht tekort van 11 miljoen zorgmedewerkers tegen 2030 dwingen tot automatisering. Tegelijk verschuift medische technologie zelf: van losse devices die één ding meten en één ding behandelen (een insulinepomp, een hersenstimulator voor tremor) naar systemen die met elkaar moeten samenwerken. Er verschijnen nu al “digital twins” per orgaansysteem — voor hart-longmachines, voor het hart als geheel — die realtime meten én sturen.
Het probleem dat daarmee ontstaat is voorspelbaar: zodra een patiënt meerdere van die orgaan-specifieke regelsystemen tegelijk heeft, kan de optimalisatie van het ene systeem het andere destabiliseren, zonder een gedeelde maat voor de toestand van het geheel. Dat gedeelde toestandsbegrip — de coherentiemaat r(t) hierboven — is precies wat zo’n coördinatieprobleem oplost. Niet als nieuw apparaat, maar als een laag die over bestaande, al goedgekeurde devices heen leest en terugkoppelt. Dat scheelt ook regelgeving: een coördinatielaag over bestaande systemen valt onder een lichter regime van de EU AI Act dan een nieuw hoogrisico-systeem op zichzelf.
En verder — voorzichtig gezegd
Volg je deze lijn door, dan kun je een speculatief eindpunt schetsen: een niet-invasieve huidmesh die continu het volledige bio-elektrische veld over het lichaam in kaart brengt, er de coherentiemaat uit berekent, en gericht — via interferentie van meerdere externe velden, een techniek die nu al voor diepe hersenstimulatie zonder chirurgie bestaat — bijstuurt op precies de plek waar coherentie wegzakt. Vóórdat er een klinisch meetbare afwijking is.
Dat is geen voorspelling. Dat is een verlengstuk van de logica, niet van het bewijs. Er ontbreken op dit moment minstens zes concrete doorbraken om er te komen — de grootste daarvan is dat niemand systematisch heeft gemeten hoe de bio-elektrische toestanden van verschillende organen elkaar precies beïnvloeden. Dat is zelf een fundamenteel onderzoeksprogramma, geen kwestie van engineering.
Slotwoord
Het opvallende is niet dat dit mensmodel ontbreekt bij het LUMC. Het opvallende is dat het overal ontbreekt, terwijl de bouwstenen ervoor — Levins bio-elektrische bevindingen, gevestigde regeltheorie, synchronisatiewiskunde — allemaal al bestaan, gepubliceerd, en wachten om samengevoegd te worden.
Niet: welk gen is verantwoordelijk?
Maar: in welke toestand bevindt deze regellus zich, en welk deel ervan faalt?
Geannoteerde literatuurlijst
Levin, M. (2021). Bioelectric signaling: reprogrammable circuits underlying embryogenesis, regeneration, and cancer. Cell, 184(8), 1971–1989. Het meest uitgebreide overzicht van bio-elektrische morfogenese; toont experimenteel dat elektromagnetische veldpatronen causaal primair zijn in ontwikkeling, onafhankelijk van de DNA-sequentie, en de basis voor de “referentiefout”-interpretatie van kanker in dit stuk. → doi.org/10.1016/j.cell.2021.02.067
Levin, M., & Martyniuk, C.J. (2018). The bioelectric code: an ancient computational medium for dynamic control of growth and form. BioSystems, 164, 76–93. Ontwikkelt het concept van de bio-elektrische code als computationele laag boven de genetische code — de directe grondslag voor de “bibliotheek en lezer”-metafoor hierboven. → doi.org/10.1016/j.biosystems.2017.08.009
Kuramoto, Y. (1984). Chemical Oscillations, Waves, and Turbulence. Springer. De oorspronkelijke formalisering van fasekoppeling tussen oscillatoren; hier toegepast op de synchronisatie tussen weefsel- en orgaansystemen in plaats van chemische oscillatoren.
Strogatz, S.H., & Mirollo, R.E. (1990). Synchronization of pulse-coupled biological oscillators. SIAM Journal on Applied Mathematics, 50(6), 1645–1662. Wiskundig fundament voor synchronisatie van biologische oscillatoren, gebruikt om de coherentiemaat r(t) in dit stuk theoretisch te onderbouwen.
Fraga, M.F., et al. (2005). Epigenetic differences arise during the lifetime of monozygotic twins. PNAS, 102(30), 10604–10609. Het empirisch fundament voor de claim dat eeneiige tweelingen systematisch epigenetisch uiteenlopen — de basis voor de voorgestelde tweelingstudie in dit stuk. → doi.org/10.1073/pnas.0500398102
Rowlands, P., & Hill, V. Nature’s Code; A Mathematical Representation of the Genetic Code; Zero to Infinity (2007), hoofdstuk 19. Herhaald gedocumenteerde structurele overeenkomst tussen de 64-delige nilpotente fermion-algebra en de 64-codon-structuur van de genetische code. Belangrijk: de auteurs noemen dit zelf consequent “analogous to” en “corresponds closely to” — niet “identical to”. Dat onderscheid is in dit stuk bewust gehandhaafd. → worldscientific.com/worldscibooks/10.1142/6544
Physiological Closed-Loop Control (PCLC) Systems: Review of a Modern Frontier in Automation. Overzichtsartikel dat closed-loop medische devices (insulinepompen, hersenstimulatoren, e.d.) classificeert binnen één gevestigd technisch kader — de basis voor de PCLC-framing die dit hele stuk structureert. → arxiv.org/pdf/1910.03768
Wang, H., Zhu, J., Chiu, P.W.Y., et al. (2026). Multi-device collaborative theranostics across tissue depth. Nature Reviews Bioengineering, 4, 391–393. Recent overzicht van devices die op verschillende weefseldiepten samenwerken — het directe bewijs dat de sector al voorbij losse single-device closed-loop-systemen beweegt. → doi.org/10.1038/s44222-026-00419-5
World Health Organization (2026). World Health Statistics 2026: Monitoring Health for the SDGs. Jaarlijks overzicht van mondiale gezondheidsindicatoren; hier gebruikt om de financiële en structurele context te schetsen waarbinnen dit model zou moeten opereren. → who.int/publications/i/item/9789240122482
© J. Konstapel / Constable Research, Leiden 2026. Alle rechten voorbehouden. constable.blog