Goede communicatie is cruciaal binnen de gezondheidszorg. Zorgpersoneel en zorginstellingen gebruiken medische dossiers om klachten, diagnoses en behandelingen vast te leggen. Om misverstanden door vrije tekst te vermijden, worden steeds vaker gestandaardiseerde medische codes gebruikt. Twee veelgebruikte systemen zijn ICD-10, een internationaal classificatiesysteem, en SNOMED CT, een meer gedetailleerd terminologiesysteem. Omdat ziekenhuizen vaak zowel ICD-10 als SNOMED CT gebruiken, of overstappen tussen beide, is een correcte vertaling van gegevens essentieel. Dit proces, mapping genoemd, maakt het mogelijk om historische en actuele medische data met elkaar te vergelijken. Deze masterproef onderzoekt de betrouwbaarheid van mapping tussen beide systemen. Hiervoor werd een literatuurstudie uitgevoerd en werden drie methoden getest op 34 codes rond spierdystrofie: een handmatige vertaling door onderzoekers, een automatische mapping via het “Athena”-platform en een verkennende test met AI-taalsystemen. De resultaten toonden aan dat automatische mapping in 64,7% van de gevallen tot een correcte term leidde. In de overige gevallen bleek de vertaling onnauwkeurig of onjuist, vooral bij minder specifieke termen of aandoeningen met subtypes. AI-taalmodellen leverden onvoldoende betrouwbare resultaten op. Handmatige mapping bleek het meest nauwkeurig, maar is tijdsintensief en sterk afhankelijk van inhoudelijke expertise. Medische codes lijken misschien technisch, maar ze hebben een grote impact. Ze zorgen voor correcte terugbetaling, betere communicatie tussen zorgverleners, betrouwbare gezondheidsstatistieken en ondersteuning van onderzoek. Onze studie draagt bij aan betere samenwerking tussen systemen en helpt om medische gegevens uit het verleden (gecodeerd in ICD-10) bruikbaar te houden in moderne zorgsystemen (die steeds vaker SNOMED CT gebruiken). Bovendien tonen onze resultaten aan dat automatische mapping veel belooft, maar dat menselijke controle noodzakelijk blijft, zeker in complexe of kritieke contexten. Een combinatie van technologie en menselijke expertise, een zogeheten hybride aanpak, is op dit moment de meest betrouwbare manier om medische codes juist te interpreteren. Door inzicht te bieden in hoe medische informatie correct kan worden vertaald en vergeleken, draagt dit onderzoek bij aan veiligere, efficiëntere en toekomstgerichte gezondheidszorg.