🚨 32.5% increase in patient preference. Not from a clinician in the loop. Not from the FDA. From AI performance.

Quite interesting survey of 3,000 US adults quantified what actually drives patient trust in medical AI:

→ AI performing above specialist level increased the probability of a patient choosing that visit by 32.5%. That's nearly three times the effect of FDA approval alone.

→ The findings suggest that governance strategies, FDA approval, clinician in the loop, and local validation all increase patient trust. But none comes close to the effect of transparent performance data: which patients almost never receive today.

👉 But here's the deeper question: patients want to know that AI performs at specialist level. Do we actually know how to measure that? "Better than a specialist" sounds reassuring, but what does it mean in practice? Accuracy on a curated test set? Synthetic cases that challenge diagnosis?

Before we can be transparent about AI performance, we need far more comprehensive frameworks for assessing it, including how models communicate what they don't know and their level of uncertainty.

Bracic A, et al Factors for Patient Trust and Acceptance of Medical Artificial Intelligence. JAMA Netw Open. 2026

Announcing #CognitiveAI at the Département d'Études Cognitives, ENS-PSL Ecole normale supérieure.
Under the impetus of Charlotte Jacquemot and the DEC executive council, I am very pleased to coordinate this initiative together with Alda Mari.

The program is structured around five research axes and brings together many research teams across #philosophy, #linguistics, #neuroscience, #psychology, and #machinelearning, with the aim of fostering interdisciplinary work on the cognitive foundations and implications of AI.

Looking forward to the collaborations and discussions ahead!

more info here: https://lnkd.in/euqe33AP

The Cognitive AI initiative brings together research that approaches AI from multiple, complementary perspectives. Some work focuses on the design and improvement of artificial systems themselves, building on insights from neuroscience and cognitive science. Other research uses AI as a scientific instrument, treating computational models as tools to probe the mechanisms of human cognition and brain function. As AI systems increasingly interact with humans and are deployed in real-world contexts, additional efforts examine human–AI interaction, societal impact, and applications in education and health. Finally, the rise of AI raises foundational philosophical and ethical questions about meaning, agency, responsibility, and the nature of intelligence itself.
These five axes together define a coherent and integrated research landscape. Rather than treating AI as an isolated technology, Cognitive AI research emphasizes continuous dialogue between artificial systems, human cognition, and society. This integrative perspective allows scientific advances to inform responsible innovation, while grounding AI development in robust cognitive theory and empirical evidence.
| 10 comments on LinkedIn

Artificial intelligence is often presented as a near-magical solution for medicine: algorithms that will diagnose diseases, discover drugs, and personalize treatments. The reality is more complex.

The biggest challenge for AI in medicine is not the technology, but how we talk about it. Overselling AI’s promise while ignoring uncertainty risks eroding public trust in science and medicine.

https://lnkd.in/eC5NA-W2

Grateful to the Public Voices Fellowship, in partnership with Yale and The OpEd Project, for their support.

#OpEd
#PublicVoices
#MedicalAI

MedGemma and the Next Phase of Clinical AI Infrastructure

Artificial intelligence in healthcare is entering a new phase. The industry is moving beyond narrow machine learning tools toward foundation models capable of interpreting multiple forms of clinical data.

Google DeepMind’s MedGemma is an important signal of that shift.

Released in 2026, MedGemma is an open-source collection of medical AI foundation models built on the Gemma 3 architecture. It is not a finished clinical product. Instead, it functions as a development platform for building healthcare AI applications across clinical text, medical imaging, and multimodal reasoning.

Three model variants are currently available:

• A 4B multimodal model designed for experimentation and efficient deployment
• A 27B text model focused on clinical language tasks such as documentation analysis and medical literature interpretation
• A 27B multimodal model capable of reasoning across both imaging and text

Early benchmarks show meaningful improvements across several healthcare AI tasks. MedGemma demonstrates 2.6–10% gains in multimodal medical question answering, 15.5–18.1% improvement in chest X-ray finding classification, and roughly 10% improvement in agentic reasoning benchmarks compared with baseline models.

Fine-tuning experiments also show around a 50% reduction in errors during EHR information retrieval, highlighting the model’s potential for navigating complex clinical datasets.

One of MedGemma’s most important capabilities is its compatibility with FHIR-based healthcare data standards.

This capability is particularly relevant in the federal health ecosystem. Programs operated by CMS, the Department of Veterans Affairs, and the Defense Health Agency increasingly rely on FHIR-based interoperability frameworks. AI models capable of interpreting these structures could support workflows such as documentation analysis, clinical data retrieval, and quality reporting.

Developers are already experimenting with MedGemma’s MedSigLIP vision encoder for imaging workflows such as chest X-ray triage and pulmonary nodule detection. Others are exploring documentation summarization and contextual interpretation within electronic health records.

At the same time, MedGemma is not intended for direct clinical decision making without validation. Healthcare AI systems require rigorous testing, governance frameworks, and regulatory alignment before deployment in patient care environments.

Foundation models provide powerful analytical capabilities. The next challenge is integration and governance within regulated health systems.

For health technology leaders, the conversation is shifting from model capability to responsible deployment and real-world clinical integration.

#HealthcareAI #MedGemma #HealthIT #DigitalHealth #ClinicalAI #FHIR #FederalHealthIT #HealthPolicy #AIinHealthcare #HealthcareInnovation

🤖 L’IA voit tout, mais elle ne comprend rien

L’intelligence artificielle générative a bouleversé la veille stratégique. Sa vitesse de traitement est devenue une norme, mais sa faille reste immense : l'absence totale de discernement.

La donnée brute n'est pas une stratégie. Pire, sans filtre humain, elle peut devenir un risque majeur pour la prise de décision.

Nous avons analysé cette mutation où l'analyste ne se contente plus de chercher l'information, mais devient le rempart indispensable face aux hallucinations des algorithmes. Pourquoi l'humain est-il, plus que jamais, le "dernier kilomètre" de la survie d'une organisation dans un monde incertain ?

Ne laissez pas les algorithmes décider à votre place.

👉 À lire ici : https://lnkd.in/eQzsjGCZ
#IntelligenceArtificielle #AnalyseDeDonnees #HumainEtTech #Algorithmes #VeilleStrategique

A savoir : une étude qui redéfinit ce qu’est réellement une recherche sur Internet. Où les internautes cherchent-ils vraiment en 2026 ?

https://lnkd.in/eB8RP4ey

2025 ne sera pas seulement l'année de l'IA générative, mais celle de l'IA "agentique". Mais qui tient réellement les commandes ? 🤖🌍

Ce post (et l’infographie associée) explore la dualité de cette adoption à travers le prisme IAtrogénique × IAtus.

🔮 IAtus (La Narrative) L’Assistant qui “fait” à votre place.

Nous passons du "Chatbot" qui parle à l' "Agent" qui agit.
L'étude massive menée sur Comet (le navigateur agentique de Perplexity) révèle une transformation de nos usages.
L'IA n'est plus seulement là pour converser, mais pour exécuter : 57% des requêtes concernent désormais la Productivité et l'Apprentissage.
L'agent planifie, code, édite des documents et navigue sur le web pour nous. C'est la promesse d'une cognition augmentée où l'humain délègue l'opérationnel pour se concentrer sur le stratégique.
Une "seconde main" numérique qui apprend à anticiper nos besoins.

⚡️ IAtrogénique (La Critique) L’élitisme de l'automatisation.

Mais derrière la magie technologique se cache une fracture nette.
L'adoption des agents IA n'est pas démocratique, elle est aristocratique. Les données sont sans appel : l'utilisation est fortement corrélée au PIB par habitant et au niveau d'éducation.
Qui utilise ces agents ? Principalement les secteurs de la Tech, de la Finance et du Marketing.
Loin de réduire les inégalités, l'IA agentique semble pour l'instant agir comme un levier de puissance pour ceux qui sont déjà "digitalement" favorisés. Sommes-nous en train de créer une classe de "super-productifs" laissant les autres derrière ?

📊 Les détails sont dans l'infographie ci-dessous.
🔗 La Source : Basé sur le papier de recherche "The Adoption and Usage of AI Agents: Early Evidence from Perplexity" publié par Jeremy Yang (Harvard) et l'équipe de Perplexity (Décembre 2025).

💡 Pour ne rien rater des impacts IA / DIGITAL / SANTÉ : Abonnez-vous à ma newsletter où je décortique ces doubles réalités chaque semaine 👇 👉 https://lnkd.in/eENTNBWR
Suivez les réflexions miroirs : #IAtrogénique #IAtus #IA #Perplexity #DigitalHealth #Innovation

Avec le projet Global Building Atlas, une équipe de chercheurs a créé la première carte 3D haute résolution de tous les bâtiments existants sur Terre, soit un peu moins de 3 milliards.

L’IA doit-elle apprendre à se taire avant de parler ? 🤫

Dans la course au déploiement de l'IA en santé, il existe une étape critique mais souvent méconnue : le "Silent Trial" (essai silencieux).
C'est le sujet de l'infographie du jour, inspirée par une analyse majeure qui vient de paraître.

Comme toujours, ce sujet se divise en deux réalités complémentaires :

🛑 La vision critique (#IAtrogénique) : Le silence assourdissant des facteurs humains

Une revue récente de la littérature montre que le "silence" cache parfois un manque de rigueur.
Sur près de 900 articles scrutés, seuls 75 décrivaient de véritables essais silencieux.
Le constat est sévère :
• Obsession métrique : On se focalise massivement sur la performance technique (l'aire sous la courbe, AUC).
• L'oubli de l'humain : Les aspects sociotechniques (comment le médecin interagit avec l'outil, l'intégration dans le flux de travail) sont largement ignorés.
• Biais cachés : Peu d'études vérifient la performance sur des sous-groupes démographiques spécifiques, risquant d'introduire des inéquités dès la conception. L'IA fonctionne "in silico", mais l'hôpital n'est pas un ordinateur.

Sans validation clinique in situ, le "gap traductionnel" reste un fossé dangereux.

📖 La vision narrative (#IAtus) : L'ombre bienveillante

Imaginez une doublure qui joue la pièce en temps réel, sur scène, mais que personne ne voit.
Le "Silent Trial" est ce pont de sécurité indispensable.
L'algorithme fonctionne en parallèle des soins standards, sans influencer la décision médicale.
Il apprend le rythme de l'hôpital, ses bruits et ses silences. C'est une répétition générale "sans risque" qui permet de transformer une promesse technologique en une réalité clinique fiable et durable.
C'est ici que la confiance se construit, dans l'ombre, avant la lumière.

🔗 La Source : Titre : "A scoping review of silent trials for medical artificial intelligence" Publication : Nature Health (Tikhomirov et al.) Lien vers l'étude : https://lnkd.in/eqJmuMWH

Envie de décrypter les doubles facettes de la santé numérique ?
Chaque semaine, je creuse ces sujets à la frontière de la technologie, de l'éthique et du soin.
📩 Abonnez-vous à ma newsletter IA/DIGITAL/SANTE ici : https://lnkd.in/eENTNBWR
#IAtrogénique #IAtus #DigitalHealth #AIinHealthcare #SilentTrial #EvidenceBasedAI #MedTech

🚨 4,609 Studies on LLMs in clinical Medicine. Only 19 were randomized trials.

A new Nature Medicine systematic review just mapped the entire evidence landscape for clinical AI

-> 4,609 studies identified, but only 1,048 used real patient data and just 19 were RCTs. Most relied on simulated scenarios or exam-style tasks.
-> LLMs outperformed humans in only 33% of 1,046 head-to-head comparisons, with performance dropping on more realistic tasks and against more experienced clinicians.
-> OpenAI models dominated 65.7% of evaluations, and at least 25% of studies had sample sizes under 30.

👉 We need robust validation through RCTs and real-world evidence before LLMs enter clinical practice. But here's the challenge: with trial and regulatory timelines averaging many years, the model under evaluation may already be obsolete by the time results are published. So how do we generate the rigorous evidence we need for efficacy and safety without falling behind the technology curve?

This is the defining question for clinical AI governance right now. How should we adapt our evidence generation and regulatory frameworks to keep pace with generative AI?

Ref: Chen et al. LLM-assisted systematic review of large language models in clinical medicine. Nature Medicine 2026 | 52 comments on LinkedIn

Il y a un an, on publiait chez Doshas Consulting notre livre blanc sur l’IA en santé.

 
Notre conviction : sans données fiables, normalisées, interopérables — l’IA en santé est un château de cartes.
 
Un an et 3 études internationales plus tard, j’ai mis à jour notre diagnostic.
 
5 freins. 5 verdicts. Un constat.
 
🔧 𝗧𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲 → La tech existe (l’IA multimodale surpasse déjà les pathologistes sur certains cancers). Mais 88,6% des solutions restent du sur-mesure jamais déployé.
𝙑𝙚𝙧𝙙𝙞𝙘𝙩 : 𝙡𝙚 𝙛𝙧𝙚𝙞𝙣 𝙣’𝙚𝙨𝙩 𝙥𝙡𝙪𝙨 𝙩𝙚𝙘𝙝𝙣𝙞𝙦𝙪𝙚. 𝙄𝙡 𝙚𝙨𝙩 𝙤𝙧𝙜𝙖𝙣𝙞𝙨𝙖𝙩𝙞𝙤𝙣𝙣𝙚𝙡.

⚖️ 𝐉𝐮𝐫𝐢𝐝𝐢𝐪𝐮𝐞 → L’AI Act est en vigueur. Mais 70% des applis cliniques IA sont à TRL 4 ou moins (stade labo, jamais testées en conditions réelles). Aucune à TRL 7+ (déployée en routine clinique).
𝙑𝙚𝙧𝙙𝙞𝙘𝙩 : 𝙤𝙣 𝙖 𝙡𝙚𝙨 𝙩𝙚𝙭𝙩𝙚𝙨, 𝙥𝙖𝙨 𝙡𝙚𝙨 𝙤𝙪𝙩𝙞𝙡𝙨.

🧑‍⚕️ 𝐇𝐮𝐦𝐚𝐢𝐧 → 18,2% seulement des études en deep learning abordent l’explicabilité.
𝙑𝙚𝙧𝙙𝙞𝙘𝙩 : 𝙡𝙖 𝙗𝙤𝙞̂𝙩𝙚 𝙣𝙤𝙞𝙧𝙚 𝙧𝙚𝙨𝙩𝙚 𝙣𝙤𝙞𝙧𝙚. 𝙀𝙩 𝙚𝙡𝙡𝙚 𝙜𝙧𝙤𝙨𝙨𝙞𝙩.

💰 𝐃𝐨𝐧𝐧𝐞́𝐞𝐬 → 83% des études viennent de pays riches. 0% de pays à bas revenus.
𝙑𝙚𝙧𝙙𝙞𝙘𝙩 : 𝙡𝙚𝙨 𝙙𝙤𝙣𝙣𝙚́𝙚𝙨 𝙙𝙚 𝙦𝙪𝙖𝙡𝙞𝙩𝙚́ 𝙧𝙚𝙨𝙩𝙚𝙣𝙩 𝙪𝙣 𝙥𝙧𝙞𝙫𝙞𝙡𝙚̀𝙜𝙚.

🧭 𝐄𝐭𝐡𝐢𝐪𝐮𝐞 𝐨𝐩𝐞́𝐫𝐚𝐭𝐢𝐨𝐧𝐧𝐞𝐥𝐥𝐞 → Les principes de l’OMS sont cités. Mais la durabilité ? 6% des études. L’opérationnalisation ? Quasi nulle.
𝙑𝙚𝙧𝙙𝙞𝙘𝙩 : 𝙣𝙤𝙪𝙫𝙚𝙖𝙪 𝙛𝙧𝙚𝙞𝙣, 𝙥𝙚𝙪𝙩-𝙚̂𝙩𝙧𝙚 𝙡𝙚 𝙥𝙡𝙪𝙨 𝙙𝙖𝙣𝙜𝙚𝙧𝙚𝙪𝙭.

𝐒𝐜𝐨𝐫𝐞 𝐠𝐥𝐨𝐛𝐚𝐥 : 𝟏 𝐩𝐫𝐨𝐠𝐫𝐞̀𝐬 𝐧𝐞𝐭 𝐬𝐮𝐫 𝟓.
𝑳𝒆 𝒔𝒆𝒓𝒑𝒆𝒏𝒕 𝒔𝒆 𝒎𝒐𝒓𝒅 𝒆𝒏𝒄𝒐𝒓𝒆 𝒍𝒂 𝒒𝒖𝒆𝒖𝒆.
 
👉 Détail de chaque frein dans le carrousel ci-dessous.

Nous sommes les victimes collatérales d'une guerre cognitive qui détruit ce que nous sommes… des êtres humains.

Chaque jour, nous sommes exposés à des flux d'informations conçus pour capter notre attention, orienter nos émotions et parfois remodeler notre perception de la réalité. Ce phénomène n’est pas accidentel. Il s'inscrit dans ce que l'on appelle désormais la « guerre cognitive » : une lutte qui ne vise plus seulement des territoires ou des ressources, mais directement nos esprits.

Dans cette bataille invisible, les armes sont les récits, les algorithmes, la désinformation, la polarisation et la saturation informationnelle. L’objectif n’est même plus de nous convaincre, mais de nous épuiser, de nous diviser et de nous rendre incapables de discerner collectivement ce qui est réel.

Face à cela, la réponse la plus souvent proposée est celle de « l’hygiène cognitive » : vérifier les sources, ralentir et prendre du recul.

Sur le papier, cela semble raisonnable.

Mais dans les faits, cette réponse est largement insuffisante, voire un piège pour les citoyens.
Elle renvoie la responsabilité aux individus isolés, comme si chacun devait se défendre seul face à des systèmes industriels de manipulation de l'information dotés de moyens technologiques, financiers et psychologiques considérables.

Autrement dit, pendant que l'on demande aux individus d'être plus vigilants, les infrastructures qui organisent la manipulation de masse continuent de fonctionner à grande échelle.

Une population fragmentée, occupée à « mieux réfléchir individuellement » mais incapable de s'organiser collectivement pour se défendre, est précisément ce qui permet à cette guerre cognitive de prospérer.

La réalité, c'est que ce problème est systémique et politique.
Il ne peut pas être traité uniquement à l'échelle individuelle.

Si nos sociétés veulent préserver leur capacité à décider ensemble, à débattre rationnellement et à coexister sur la même planète, il devient nécessaire de franchir une étape supplémentaire.

Cela implique la création d'une véritable « institution publique dédiée à la défense cognitive des sociétés » : une structure capable d'analyser, d'exposer et de neutraliser les acteurs — étatiques, économiques ou technologiques — qui organisent délibérément la manipulation massive de l'attention, de l'information et du jugement collectif.

En effet, la souveraineté du XXIe siècle ne sera pas seulement territoriale, énergétique ou technologique.

Elle sera aussi — et peut-être surtout — « cognitive ».

Signez la pétition pour que cette institution puisse voir le jour :
https://lnkd.in/ehrG72ei

Delighted to share the first-of-its-kind prospective feasibility study of conversational AI in real clinical workflows: https://lnkd.in/e_zpBmvR

Brought to you by a Beth Israel Deaconess Medical Center and Google research collaboration. 
 
Design:
-100 patients with urgent care concerns interacted with Google’s AMIE prior to presenting to their PCP at BIDMC.
-AMIE took a clinical history and presented possible diagnoses to patients.
-Board certified internal medicine physicians provided continuous safety oversight of patient-AMIE interactions and were instructed to stop interactions based on prespecified safety criteria.
-AMIE transcript and summary of the case were provided to the PCP prior to the urgent care appointment.
-Allowed eight weeks of time for case maturity, followed by chart review to determine the ground truth diagnosis for the patient presentation.
 
Primary Objectives: Safety and quality of AMIE conversations
Secondary Objectives: AMIE diagnostic and management plan performance
 
Results:
-Zero conversation safety stops across all patient-AMIE interactions.
-Patient attitudes toward AI significantly increased after interacting with AMIE.
-Strong conversational quality ratings by patients and board certified internal medicine physicians.
-With access to AMIE’s output, PCPs reported possible behavior change in nearly 60% of cases and increased visit preparedness in 75% of cases. 
-AMIE had 75% top-3 diagnostic accuracy and included the correct diagnosis in its differential 90% of cases.
-The quality of AMIE’s differential diagnosis and management plan appropriateness and safety was similar to PCPs.
-PCPs won on management plan practicality and cost-effectiveness.
 
Implications:
-The deployment of AMIE into a high volume clinical workflow was practical and safe.
-The safe presentation of potential diagnoses to patients shifts the patient-AI interaction from simple information gathering to personalized collaboration and counseling.
-Patients highly value confidentiality and trust - repeated safe interactions with AI will be key to building a trustworthy relationship.
-PCPs had a significant context advantage - had access to medical charts, physical exam, and the AMIE transcript. AMIE still performed similarly on differential diagnosis quality and management plan appropriateness and safety.
-Future iterations of AI in real clinical workflows will likely include reasoning with multimodal data: https://lnkd.in/ebWMZD2v.
-Robust safety oversight will allow stratification of which cases are suitable for human-on-the-loop rather than in-the-loop.

Huge thanks to the amazing co-authors and supporters of this work!

🦾 Lancement d'Amazon Health AI : Et si on arrêtait de regarder le doigt quand on nous montre la lune ?

Amazon vient de lancer "Health AI".
Tout le monde se focalise sur le chatbot : est-ce qu'il explique bien les résultats de prise de sang ? Est-ce qu'il sait renouveler une ordonnance ? Est-ce que c'est fiable ?

Honnêtement, c'est presque un détail. Explication 👇

En assemblant One Medical (soins), Amazon Pharmacy (médicaments) et AWS (infra), il manquait une seule pièce au puzzle pour boucler la boucle : l'aiguillage.

C’est exactement le rôle de cette nouvelle IA. Elle ne répond pas juste à des questions, elle orchestre un flux.
Symptôme → IA → Consultation → Prescription → Livraison.
Le tout, sans jamais sortir de l'écosystème Amazon.

C'est là que ça devient fascinant / vertigineux / flippant.

Dans le retail, Amazon n'a jamais cherché à fabriquer tous les produits du monde. Il a cherché à devenir l'interface obligatoire entre le client et les marques.

Dans la santé, la stratégie semble identique. Amazon ne veut pas remplacer les médecins. Il veut devenir la porte d'entrée unique du système.

D’où mon hypothèse : et si Amazon était en train de devenir le premier "assureur invisible" au monde ?

Pas un assureur qui signe des contrats, mais un acteur qui, en contrôlant l’accès au patient, l’orientation clinique et la donnée, finit par contrôler le risque lui-même.

Aux US et dans beaucoup d'autres pays, celui qui pilote le parcours de soins pilote l'économie de la santé. Point final.

Je suis curieux de savoir ce que vous en pensez. On est sur un gadget ou sur un basculement de modèle ?


François Veron, Pascal BECACHE, Nicolas Schneider, Pierre Roux de Lusignan, Grégoire Pigné, Dr Solène Vo Quang, Mathilde Merckx, Samir Harfacha, MD, Dr Amine Korchi

Et merci à Anca pour le partage inital ;) | 15 comments on LinkedIn

Numeric risk comparisons anchored in patient context may improve shared decision-making and help patients interpret clinical choices.

JAMA, Journal of the American Medical Association

https://lnkd.in/gKKv4d-n

China's AI-assisted diagnosis market isn't emerging. It's already built.

60+ companies. 5 vertical categories. All deployed.

Here's the complete map:

1. UPSTREAM: The Foundation

Smart Hubs: Baidu, Inc. | Tencent | Huawei Cloud

Computing-Storage Infrastructure: Tencent Cloud | China Unicom Global | Alibaba Cloud | China Telecom Global | Huawei Cloud

The pattern: Tech giants provide compute. Then step into healthcare verticals.

2. MIDSTREAM: The AI Engine

AI Medical Imaging (23 players):

Row 1: Deepwise | United Imaging Healthcare | Subtle Medical| Diagens

Row 2: Infervision | Beijing Yizhun AI Technology Co., Ltd. | Tencent | Huiying Medical Technology Co., Ltd.

Row 3: RaysightMed | Airdoc Technology Inc | BioMind | 开立医疗 SonoScape

Row 4: Neusoft Medical | CHISON | ANKON Technologies | LBP system

Row 5: MED Imaging AI | EDAN Instruments, Inc. | Wenzhou Medical University Eye Hospital | ShanghaiTech University

AI Laboratory Testing:

BGI Genomics | Reetoo Biotech | Amoy Diagnostics | Berry Genomics

AI-Assisted Pathology:

BGI Genomics | Tsinghua University | Xiangya Hospital of Central South University | Zhejiang University | Tsinghua University / SenseTime 商汤科技

AI Clinical Decision Support (12 players):

Row 1: Huawei Cloud | Beijing University of Posts and Telecommunications / Peking University Third Hospital | BAICHUAN Technology co., ltd. | Mindray

Row 2: Shukuntech | iFLYTEK Co., Ltd.| B-soft | Winning Health Technology Group Co.,Ltd

Row 3: Runda Medical | Huawei Enterprise | Shanghai AI Laboratory | GUANGDONG SECOND PROVINCIAL GENERAL HOSPITAL / Huawei Enterprise / Lifetech Scientific Corporation / ClouDr Group Limited

AI-Assisted TCM Diagnosis:

Macrocura | Dajing TCM | Nanjing University of Traditional Chinese Medicine / Macrocura | Henan College of Traditional Chinese Medicine / University of Science and Technology Beijing | Sun Yat-sen University

3. DOWNSTREAM: Deployment at Scale

Top Hospitals Already Live:

Peking University Third Hospital
Peking University People's Hospital
Nanjing Medical University
Shenzhen Luohu People's Hospital

And more...

The Lesson:

China didn't build "one AI for healthcare."

They built specialized stacks:

· 23 companies for imaging
· 12 for clinical decisions
· 5 for Traditional Chinese Medicine

This isn't a market. It's a parallel healthcare AI universe.

Which company on this map surprised you most?

Philippe GERWILL | Edmund White | Harvey Castro, MD, MBA. | Rizwan Tufail | Asim Khan

#AIHealthcare #ChinaHealthTech #MedicalAI #HealthTech #MarketMap

—

Enjoy this? ♻️ Repost it to your network and follow Effie GUO for more. | 34 comments on LinkedIn