A subtle but important shift in medical AI just appeared in the literature.

Researchers recently evaluated a large language model embedded directly inside electronic health records in primary care settings.

Not as a chatbot.
Not as an external decision support tool.

But as part of the clinical workflow itself.

This may sound like a technical milestone, but institutionally it signals something much bigger.

For more than a century, clinical reasoning has been organized around the individual physician’s mind. Clinical decision support systems were external references—guidelines, textbooks, alerts.

Now we are beginning to see the emergence of embedded clinical cognition systems.

In these environments, diagnosis and treatment planning become a distributed process involving clinicians, patient data ecosystems, and generative AI operating inside the health record.

The physician’s role does not disappear.

But it evolves—from sole generator of medical reasoning to architect and supervisor of human–AI cognitive systems.

For academic medicine, the strategic question is no longer whether AI will assist clinicians.

It is how we design AI-native medical institutions where human expertise and machine reasoning operate safely as a single cognitive architecture.

We may be watching the early infrastructure of the Cognitive Revolution in medicine take shape.

Source:

https://lnkd.in/g5_jgbna

#MedicalAI #AcademicMedicine #AIinHealthcare #DigitalHealth #FutureOfMedicine #AINative

PhD Students - Which tool to use in each phase of your PhD?

Research paper writing
↳ 𝐀𝐧𝐬𝐰𝐞𝐫𝐓𝐡𝐢𝐬 → https://lnkd.in/dT8KNcjY

Grammar & typos checking
↳ 𝐏𝐚𝐩𝐞𝐫𝐩𝐚𝐥 → https://lnkd.in/diAjKHUR

Convert paper to a poster
↳ 𝐒𝐜𝐢𝐒𝐩𝐚𝐜𝐞 → https://lnkd.in/d_rDXkNU

Conduct literature reviews
↳ 𝐆𝐚𝐭𝐬𝐛𝐢 → https://
gatsbi.com

Extract data from research papers
↳ 𝐦𝐨𝐚𝐫𝐚 → https://
moara.io

Identify right journal for paper
↳ 𝐑𝐞𝐯𝐢𝐞𝐰-𝐢𝐭 → http://
review-it.ai

Receive feedback on thesis
↳ 𝐓𝐡𝐞𝐬𝐢𝐟𝐲 → http://
thesify.ai

Peer-review a manuscript before submission
↳ 𝐑𝐞𝐯𝐢𝐞𝐰𝐞𝐫𝟑 → https://
reviewer3.com

Paper editing
↳ 𝐎𝐯𝐞𝐫𝐥𝐞𝐚𝐟 → http://
overleaf.com

Identify papers for literature review
↳ 𝐍𝐎𝐀𝐇 → https://
lnkd.in/d-hgRce2

Identify trends in research
↳ 𝐄𝐮𝐫𝐞𝐤𝐚 → https://
lnkd.in/dqWj6kYv

Identify research gaps
↳ 𝐖𝐢𝐬𝐏𝐚𝐩𝐞𝐫 → https://
lnkd.in/dVUCUA_p

Any other problem/tool you'd like to add?

#phd #aitools | 20 comments on LinkedIn

Reducing risk in AI-driven healthcare decisions will protect patients, strengthen trust in digital health tools, and support responsible adoption of generative AI across healthcare services. A randomized study involving about 1,300 participants found that people who used AI chatbots to interpret medical symptoms did not make better health decisions than those who relied on traditional sources such as search engines or their own judgment. The findings highlight a critical gap between strong benchmark performance and safe real-world use.

Researchers from the University of Oxford reported that large language models often perform well on standardized medical exams but struggle when real users describe symptoms in everyday language. Participants often received inconsistent guidance, and slight changes in how users asked questions sometimes produced different responses. These interaction challenges increase the risk that people misunderstand medical advice or fail to recognize situations that require professional care.

The results point to a clear path forward. Healthcare organizations must test AI systems in real-world settings, establish stronger safety guardrails, and integrate chatbots with clinical expertise before offering frontline medical guidance. As generative AI expands across digital health services, companies that prioritize validation, transparency, and human oversight will build the most trusted and scalable healthcare solutions.

#artificialintelligence #chatbots #llm #genai #digitalhealth #healthtech

https://lnkd.in/gNUUN5Fy

Ce livre a tout d’un livre. En réalité, c’est une synthèse générée par IA.

J’ai comparé la synthèse avec trois interventions (Marc Decombas, Murielle Popa-Fabre, et Thomas Huchon) à partir des vidéos disponibles sur YouTube.

1. Normalisation du ton et perte d’aspérité
L’IA lisse le discours. Le résultat devient institutionnel, neutre, consensuel.
Ex. de Murielle Popa-Fabre : la synthèse retient les chiffres mais laisse de côté des réalités sociales plus dures, comme le fait qu’une femme sur deux quitte la tech vers 35 ans ou les biais sexistes qui décrédibilisent l’humour féminin en entreprise.
Ex. de Thomas Huchon : une performance engagée sur les dérives démocratiques devient une fiche de gestion des risques. Les critiques directes sur certaines personnalités politiques ou puissances étrangères disparaissent.

2. Sacrifice de la narration
Les anecdotes et les exemples qui permettent de comprendre un sujet disparaissent. Le discours devient plus abstrait.

3. Simplification des concepts techniques et juridiques
La synthèse privilégie le « quoi » (le constat) et évacue souvent le « comment ».
Ex. Marc Decombas évoque des paramètres précis comme la température des modèles ou l’effet de la compression sur leur fiabilité. Ces éléments techniques disparaissent dans la synthèse.
Ex. juridique. Murielle Popa-Fabre mentionne l’article 17 d’un traité international permettant un recours contre les biais de l’IA. Une information utile pour des dirigeants, absente du résumé.

4. Décontextualisation géopolitique et conjoncturelle
La synthèse retire les éléments liés à l’actualité ou aux tensions géopolitiques.
Ex. L’analyse de Thomas Huchon sur les élections américaines de 2024 ou l’opération d’influence russe autour de l’affaire des punaises de lit en France n’apparaît plus.

Cette synthèse générée par IA reste efficace pour condenser une masse énorme d’informations. Mais elle révèle aussi ses limites, elle transforme des réflexions vivantes en un savoir plus standardisé, parfois moyenasse, où certaines alertes, nuances ou solutions concrètes disparaissent.

Nicolas Dufourcq dans son édito, décrit la vérité comme une force « abrasive » qui ne nous caresse pas et nous oblige à affronter le réel. Or, en cherchant le message moyen et consensuel, l’IA finit précisément par caresser le lecteur. Elle gomme les faits les plus rugueux qui devraient pourtant nourrir le débat.

L’iA sait résumer un discours. Elle ne sait pas encore en préserver la singularité.

🚨 Et si votre prochain médecin… n’était plus humain ?

Aux États-Unis, un phénomène silencieux prend de l’ampleur.
De plus en plus de patients consultent une intelligence artificielle avant d’aller voir leur médecin. 🤖

Aujourd’hui, des millions de patients utilisent déjà des outils d’IA pour poser leurs symptômes, comprendre un diagnostic ou vérifier un traitement. 📊

Selon plusieurs études publiées ces dernières années, une part croissante des internautes américains utilise des outils numériques ou conversationnels pour obtenir des informations médicales avant de consulter un professionnel de santé.

Historiquement, la médecine reposait sur une relation très claire.

Le médecin détenait l’expertise.
Le patient lui accordait sa confiance.

Mais l’intelligence artificielle introduit un troisième acteur dans la relation médicale.

Un acteur accessible 24h sur 24.
Instantané.
Et perçu comme neutre.

Cette transformation crée un déplacement progressif de l’autorité médicale. ⚖️

D’un point de vue économique, les implications sont immenses.

La santé représente plus de 18 % du PIB aux États-Unis et près de 12 % en France.

Si une partie de l’information médicale, du tri des symptômes et du suivi patient est absorbée par des outils d’IA, une partie de la chaîne de valeur médicale pourrait se transformer radicalement. 💰

Cela ne signifie pas la disparition des médecins.

Mais cela signifie probablement une redéfinition profonde de leur rôle.

Dans de nombreux cas, l’IA peut déjà :
• analyser des symptômes
• proposer des pistes diagnostiques
• aider à l’interprétation d’imagerie médicale
• accompagner le suivi de maladies chroniques

Les médecins restent évidemment les seuls habilités à poser un diagnostic et prescrire un traitement.

Mais la frontière entre information médicale et acte médical devient de plus en plus floue. 🔍

La question n’est donc pas de savoir si l’IA va remplacer les médecins.

La vraie question est :
Comment la médecine va-t-elle intégrer cette nouvelle réalité technologique ?

Les professionnels de santé vont devoir renforcer ce que la machine ne peut pas reproduire facilement :
l’expertise clinique
la relation humaine
le jugement médical
la responsabilité éthique.

Dans le même temps, les systèmes de santé devront intégrer l’IA pour :
• réduire les coûts
• améliorer l’accès aux soins
• désengorger les cabinets médicaux
• optimiser le suivi des patients. 🚀

Ce qui est certain, c’est que la confiance du patient devient le véritable enjeu stratégique.
Confiance dans le médecin.
Confiance dans la technologie.
Confiance dans le système de santé.

La question n’est donc plus seulement médicale.

Elle est économique, sociétale et stratégique.

Si la médecine ne s’adapte pas à cette révolution technologique, d’autres acteurs le feront.
Et ils iront vite.
Très vite.

Alors posons la vraie question :
Allez-vous d’abord consulter votre médecin… ou votre IA ? 💬

81% of physicians are routinely using AI in their clinical practice, according to a survey by the American Medical Association.

Unregulated use of this new powerful, but not infallible, technology in medicine is a reality now.

It is up to healthcare professionals to ensure responsible adoption. That is why AI competency needs to be part of any healthcare training program.

Link in the comments.

Geisel School of Medicine at Dartmouth IAMSE Dartmouth College AMEE - The International Association for Health Professions Education

🛡️ Veille informationnelle : Ce qu'il fallait retenir du Visibrain Meetup 2026
Rendez-vous incontournable des professionnels de la veille, le Visibrain Meetup a tenu toutes ses promesses. Entre retours d’expérience sur scène et échanges informels, la discipline confirme sa mutation profonde. Merci Nicolas Huguenin et ses équipes pour l'invitation.

Voici les 11 points clés que j'ai retenus pour naviguer dans l'infosphère cette année :
1️⃣ L'info comme champ de bataille : L’information est devenue un véritable terrain de confrontation géopolitique et économique.
2️⃣ Nouvelles cartographies : Maîtriser les réseaux LinkedIn et TikTok n'est plus une option, c'est une nécessité stratégique.
3️⃣ L'enjeu de la souveraineté : À qui confions-nous nos données ? La question de la nationalité des outils de veille devient centrale.
4️⃣ L'outil ne fait pas le moine : Un logiciel de veille n'a de valeur que s'il est servi par des humains formés et sensibilisés.
5️⃣ Omniprésence obligatoire : En 2026, la veille doit couvrir l'intégralité des plateformes, sans exception.
6️⃣ L'anticipation est la clé : Alerting, préparation de smartboards... la veille se prépare en amont pour être efficace le jour J.
7️⃣ Le paradoxe X (Twitter, Inc.) : Beaucoup de marques quittent le réseau en tant qu'annonceurs, mais aucune n'arrête d'y veiller. C'est là que cristallisent les crises, surtout en communication financière.
8️⃣ Les bastions de X : Le réseau reste le cœur battant du Gaming, de la Finance et de l'actu chaude.
9️⃣ Le soufflet BlueSky : Malgré le buzz, l'engagement y est resté très faible.
🔟 LinkedIn, outil de com' interne : Une annonce de CEO sur LinkedIn a souvent plus d'impact sur les collaborateurs qu'un mail interne.
1️⃣ 1️⃣ La fin de la "Safe Place" : LinkedIn se crispe et les polémiques y sont de plus en plus fréquentes.

🧐 Ma réflexion : L'angle mort de 2026 ?
Un point m'a frappé : presque personne n'a abordé les plateformes de messaging. Pourtant, Visibrain permet depuis quelque temps déjà de surveiller les chaînes Telegram.
Le Dark Social (WhatsApp, Signal, Telegram Messenger) ne serait-il pas le véritable angle mort de la veille cette année ? Comment anticiper une crise qui se propage dans des boucles fermées ?

The "Human + AI" Partnership (Best for Clinicians & Leaders)
The Thought: AI is not a replacement; it’s a "force multiplier" for empathy.
The Angle: Argue that by automating administrative burdens (like clinical documentation which has seen a 70% reduction in workload this year), AI actually returns the doctor to the patient’s bedside.
Key Phrase: "The most important surgical tool in 2026 isn't a robot—it's the data that gives the surgeon clarity before the first incision."
2. From Reactive to Proactive (Best for Tech & Innovation)
The Thought: We are finally moving from "Sick-care" to "Health-care."
The Angle: Highlight how predictive analytics are now moving into system design. Instead of treating a heart attack, we are using AI-driven wearables and EHR data to prevent one six months in advance.
Key Phrase: "In 2026, success in healthcare is measured by the hospital beds that stay empty, thanks to predictive intervention."
3. The Trust & Ethics Pivot (Best for Policy & Ethics)
The Thought: Interoperability and "Model Cards" are the new gold standard.
The Angle: Address the "Diagnostic Dilemma." Mention that as AI becomes embedded in mission-critical workflows, transparency (knowing why an AI made a suggestion) is more valuable than the algorithm itself.
Key Phrase: "Algorithm transparency is the new bedside manner. If we can't explain the 'why' behind the AI, we haven't earned the patient's trust."
Suggested Post Structure:
The Hook: "AI in healthcare has officially moved from the 'pilot' phase to the 'implementation' era."
The Insight: Use one of the angles above. (e.g., "85% of healthcare leaders now prioritize data sharing over shiny new tools.")
The Question: "Do you think the biggest barrier to AI adoption today is the technology itself, or the cultural shift required in our clinics?"

Most researchers waste hours reading papers that never make it into their thesis.

Here is the exact 6-step method I use to read any research paper in 20 minutes without missing anything important.

Step 1 → Read the abstract only (2 mins)
Decide if the paper is even relevant before you commit. 80% of papers get eliminated here.

Step 2 → Read introduction and conclusion (3 mins)
You now understand the full argument without reading the middle.

Step 3 → Scan headings and figures (3 mins)
Figures hold the key findings. Read every caption before anything else.

Step 4 → Read results and discussion (5 mins)
This is the heart of the paper. Highlight anything you might cite.

Step 5 → Check the methodology (4 mins)
Weak methodology means weak findings. Always verify before citing heavily.

Step 6 → Write your 3 sentence summary (3 mins)
What they studied. What they found. How it connects to your research.
This becomes your literature review foundation.

Save this post. You will need it.

Which step are you skipping right now?

♻ Repost this to help a fellow researcher in your network.

Follow Piumsha Mayanthi for more smart research writing tips.

#PhDLife #ResearchSkills #AcademicWriting #LiteratureReview #ThesisTips #MSc #PhD #ResearchTips #AcademicLife #GradSchool #ResearchPaper #StudySmart #ScientificReading #DoctoralStudent #AcademicSuccess

Everyone is adding “AI” to healthcare apps right now.
But many times it’s just:
pick a model → add a chatbot → call it AI healthcare.

That approach rarely solves real problems.

Healthcare is too sensitive for hype. Data quality, safety, privacy, and clinical workflows actually matter and many AI health apps ignore those fundamentals. Studies and experts often point out issues like bias in models, unreliable medical advice, and privacy risks when AI is poorly integrated.

What’s more interesting is when AI is used thoughtfully inside the workflow, not just as a feature.

Platforms like Augi Health are a good example of a more practical direction focusing on how AI can support patient engagement and doctor communication rather than pretending AI replaces healthcare professionals.

The difference is subtle but important:
smart integration vs AI for marketing.

If you're curious about where more responsible AI-driven healthcare tools are heading, you can check it out here:

https://lnkd.in/gwfq5ZMn

#AIinHealthcare #DigitalHealth #HealthTech #MedTech #HealthcareInnovation #FutureOfHealthcare #PatientCare #AI #HealthApps #HealthcareTechnology

One thing healthcare isn’t short on these days is information.

It’s offered up to clinicians via conferences, webinars, journals, booklets, pamphlets, newsletters, headlines, slide decks, inboxes… it’s an endless stream of updates.

The challenge today isn’t accessing knowledge, it’s processing it.

We are all hearing this more and more: “There’s just too much to keep up with.”

That’s not a motivation problem; it’s a cognitive load problem.

Check out my tips below on how to reduce cognitive load in health education.

__
When you’re ready, here’s how I can help:
- Partner with life science teams to design medical education that delivers insight, not just information.
- Build engagement strategies that use visuals and structure to reduce cognitive load for clinicians and patients.

Considering the use of AI tools for medical advice can be complex. AI-powered medical advice tools, such as Counsel Health, Microsoft Copilot Health, and Amazon Health AI, provide personalized health insights, analyze medical records, and connect users to professionals. However, it's important to remember that these tools should serve as guidance rather than a definitive diagnosis.

Experts caution that AI can deliver inaccurate information with high confidence, which may lead to delayed or incorrect care. Therefore, AI should be viewed as a complement to, not a replacement for, a physician or nurse.

Key Considerations for AI Health Advice:
-Best Use Cases: Ideal for gathering preliminary information, simplifying medical jargon, and preparing questions for a doctor.
-Major Risks: AI models can suffer from hallucinations, providing false information or inaccurate diagnoses. Over-reliance on AI can lead to significant patient harm.
-Current Tools: New tools like Copilot Health are integrating with personal health records for tailored insights, notes The Wall Street Journal. Other platforms like Counsel Health allow users to share symptoms and connect with human doctors for $29, notes Counsel Health.
-Verification: Always cross-reference AI-generated advice with trusted, professional sources.

The Risks of Relying on AI:
-Inaccurate Information ("Hallucinations"): AI can authoritatively present false or dangerous medical advice, such as suggesting improper treatments or failing to recognize life-threatening drug interactions.
-Lack of Personalization: Most AI models provide generic responses based on broad datasets rather than your specific health profile, allergies, or past conditions.
-Sycophancy (Telling you what you want to hear): Some models may mirror your own biases, potentially downplaying serious symptoms if you sound dismissive or heightening anxiety if you are already worried.
-Privacy Concerns: Many general-purpose AI tools are not HIPAA-compliant, meaning any personal health data you share may not be protected by standard medical privacy laws.

Using AI for medical advice can be a helpful starting point for education and context, but it is not a replacement for professional medical diagnosis or treatment. While AI tools are fast and accessible, they lack the ability to perform physical exams, access your full medical history, or apply clinical intuition.

The most dangerous idea in healthcare AI right now is that large language models are the whole story. They are not. Nature's latest research on the evolving landscape of AI in healthcare reveals something the mainstream tech press keeps missing: the clinical frontier is not one technology, it is an ecosystem — large language models working alongside specialized, task-specific models that were trained not on internet text but on imaging data, genomic sequences, lab values, and clinical notes stretching back decades. When these systems work together, something genuinely new becomes possible.

Here is the reframe most people need: we have been asking the wrong question. The debate about whether AI belongs in healthcare has already been settled by the data. The real question — the one that will determine who lives and who dies in the next decade — is whether the institutions responsible for deploying these systems can close the gap between what the technology can do today and what clinical workflows actually allow. That gap is not technical. It is institutional. And it is enormous.

Think about what that means for a rural hospital in Indiana, a district clinic in Portugal, or a community health center in South Africa. The specialized diagnostic models that outperform radiologists on specific imaging tasks, the language models that can synthesize a patient's entire history in seconds, the predictive models that flag deterioration hours before a physician would notice — these tools exist now. They are not theoretical. The question is whether the institutions serving the most vulnerable patients will ever get access to them, or whether AI-augmented medicine becomes another advantage reserved for wealthy urban health systems with the IT infrastructure and capital to deploy it. That is not a technology question. That is a policy question, and almost no one in a position of authority is treating it that way.

Here is the challenge for anyone reading this who has institutional power: the Nature research makes clear that the landscape is already complex and already bifurcating. The HELP Committee in the U.S. Senate, the EU AI Office, and the UK's MHRA need to stop treating healthcare AI as a future regulatory problem and start treating it as a present deployment crisis. The question is not whether to regulate — it is whether oversight frameworks can be built fast enough to ensure that the hospitals serving the poorest communities don't get left decades behind the hospitals serving the richest ones. Every month of delay is a policy choice with a body count.

FREE SUBSCRIBERS — no credit card ever required — full analysis at https://lnkd.in/e5ZTi-x9

« Un homme de bien doit s’efforcer de parler avec prudence et d’agir avec promptitude » (君子欲讷于言而敏于行), disait Confucius. Selon lui, un gentleman (ou un homme de bien) doit être responsable de ses paroles et de ses actes ; il ne doit pas promettre quelque chose à la légère, et si une promesse est faite, il doit tout mettre en œuvre pour la tenir. Sinon, il perdra la confiance des autres et, par conséquent, sa crédibilité diminuera.

Il ajoutait également : « Un gentleman a honte lorsque ses paroles dépassent ses actes » (君子耻其言而过其行). Cela signifie qu’un gentleman doit se sentir embarrassé lorsque ses paroles surpassent ce qu’il accomplit.

D’autres proverbes chinois expriment des idées similaires et mettent l’accent sur l’importance de tenir sa parole :
👉 « Les paroles d’un homme de bien, une fois prononcées, ne peuvent être rattrapées, même par un attelage de quatre chevaux rapides. » (君子一言，驷马难追)
Cette expression, inspirée des Entretiens de Confucius (Lunyu), signifie qu’une parole prononcée est irrévocable.
👉 « Parole tenue, acte assuré » (言必信，行必果)
Également tirée des Entretiens de Confucius, cette expression signifie qu’il faut être digne de confiance dans ses paroles et efficace dans ses actions.
👉 « Une parole pèse autant que neuf cauldrons » (一言九鼎)
👉 « Une promesse vaut mille pièces d’or » (一诺千金)
…

Pendant la période des Royaumes combattants, Han Fei, philosophe et penseur politique chinois du courant légiste, racontait dans ses écrits l’histoire suivante :

La femme de Zengzi devait aller au marché. Son fils la suivait en pleurant. Elle lui dit : « Rentre chez toi, je tuerai un cochon pour toi à mon retour. » Après être allée au marché, elle rentra à la maison. Zengzi s’apprêtait à saisir un cochon pour le tuer, mais sa femme l’arrêta en disant : « Ce n’était qu’un jeu avec l’enfant. »

Zengzi répondit : « On ne joue pas avec un enfant de cette manière. L’enfant est incapable de raisonner seul et doit apprendre à travers ses parents et suivre leurs enseignements. Si tu le trompes maintenant, tu lui apprendras à mentir. Une mère qui trompe son fils ne peut plus être crue par lui — ce n’est pas une méthode éducative appropriée. » Zengzi tua alors le cochon et le fit cuire.

Ainsi, ces enseignements nous montrent que si nous promettons quelque chose à quelqu’un, nous devons absolument tenir notre promesse. Si des conditions extérieures rendent cela impossible, il faut au moins fournir des explications et un suivi. Et si nous ne savons pas si nous pourrons réaliser quelque chose ou si cela est faisable, il ne faut pas promettre à la légère.

En somme, c’est à la fois mon principe de conduite et l’un de mes critères pour évaluer si quelqu’un est digne de confiance. En management, cela représente également une qualité précieuse et permet de gagner en crédibilité : « Faire ce que l’on dit, dire ce que l’on fait. »

Et vous, qu'en pensez-vous ?

#valeurs #sagesse #management | 11 comments on LinkedIn

AI is no longer a future concept in medicine; it is already reshaping how healthcare is delivered. A recent survey fielded by the American Medical Association found that 81% of physician-respondents use AI tools in their clinical practices.

Physicians report using AI primarily to reduce administrative burden: summarizing medical records, drafting documentation, and supporting care planning. If deployed responsibly, these tools could return something medicine has been steadily losing – time between clinicians and their patients.

In addition to data privacy concerns, rapid adoption raises other important questions: Will AI help strengthen health systems or deepen existing inequities? Will innovation reach the communities with the greatest health burdens first? And how do we ensure physicians and other healthcare providers remain central to decision-making as these tools evolve?

In my latest Fast-Track Health blog post, I reflect on what the rapid rise of AI use in medicine means for clinicians, health systems, and public health as well as why governance, trust, and equity must keep pace with innovation.

Read my blog post: https://lnkd.in/eQvJMvRM

#AIinHealthcare #DigitalHealth #HealthSystems #PublicHealth