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

Most people are using AI wrong.

And it's costing them hours every day.

Here's what I learned after spending 6 months with all 5 major AI tools:
They're not competitors.
They're specialists.

The mistake everyone makes:
Picking one AI and forcing it to do everything.

That's like using a hammer for every job. Sure, it works... but you're working 10x harder than you need to.

Here's the cheat sheet nobody shares:

🔷 ChatGPT = Your creative co-pilot
When to use: Writing, coding, brainstorming
Why it wins: Versatile, conversational, builds custom workflows
When it fails: Real-time data, citations, legal precision

🔷 Grok = Your trend radar
When to use: What's blowing up on social media RIGHT NOW
Why it wins: Live X/Twitter feed, edgy personality
When it fails: Professional docs, deep analysis

🔷 Gemini = Your Google butler
When to use: Managing Gmail, Calendar, Drive
Why it wins: Lives inside your Google workspace
When it fails: Anything outside Google's ecosystem

🔷 Claude = Your document surgeon
When to use: Dissecting 100-page reports or contracts
Why it wins: Massive context, exceptional comprehension
When it fails: Quick questions, trending topics

🔷 Perplexity = Your fact-checking assistant
When to use: Research that needs sources and proof
Why it wins: Citations for every answer
When it fails: Creative work, subjective opinions

My actual daily workflow:
7 AM: Gemini → Scan emails, prioritize calendar
9 AM: ChatGPT → Draft content, debug code
11 AM: Perplexity → Research competitors, verify claims
2 PM: Claude → Review legal docs, analyze reports
5 PM: Grok → Check what's trending for tomorrow's content

The pattern that changed everything for me:
I stopped asking "Which AI is best?"
I started asking "Which AI is best for THIS specific task?"

Which AI are you overusing? Which one are you ignoring that could save you hours?

Drop your workflow below 👇

Aryan Gupta

#AI #Productivity #ChatGPT #Claude #Gemini #Perplexity #AITools #WorkSmarter | 38 comments on LinkedIn

We have partnered with Heidi to provide evidence based clinical content directly within the clinical workflow.

Heidi Scribe supports more than 2 million patient consults every week. Through Heidi Evidence, you can now access structured, citation backed clinical answers powered by BMJ Group

When questions arise mid-consult, you can get guidance grounded in peer reviewed research and guidelines without switching between tools.

We are helping clinicians move from information overload to actionable evidence at the point of care.

Learn more: heidihealth.com/evidence ◀️

If you are attending #HIMSS2026 visit us at booth 4659

L'IA en santé : Entre cadre éthique rigide et innovation agile ⚖️

L’infographie du jour se penche sur le monumental "Code de Conduite pour l'IA" (AICC) fraîchement publié par la National Academy of Medicine.
Un document clé qui tente d'harmoniser les règles du jeu pour une adoption responsable de l'IA.

Comme toujours, ce sujet mérite une double lecture.

🧬 IAtus (La version Narrative & Constructive) Ce code est la pierre angulaire qui manquait pour passer de la méfiance à la confiance.

Le rapport propose un modèle de leadership fascinant : le "Tight-Loose-Tight".
1️⃣ Tight (Serré) : On s'aligne d'abord sur des valeurs non négociables (les 6 engagements du code : Advance Humanity, Ensure Equity, Engage Impacted Individuals...).
2️⃣ Loose (Souple) : On laisse ensuite la liberté nécessaire à l'innovation locale et à l'adaptation sur le terrain.
3️⃣ Tight (Serré) : On resserre la vis sur le monitoring et l'évaluation des résultats réels. C'est la promesse d'un "Système de Santé Apprenant" où l'IA n'est pas une fin, mais un moyen de restaurer la connexion humaine.

⚠️ IAtrogénique (La version Critique & Analytique) Le cadre est beau, mais la réalité est brutale.

Le rapport lui-même admet des tensions éthiques inhérentes difficiles à résoudre.
• Être Transparent peut nuire à la Sécurité (ouvrir la "boîte noire" expose à des risques).
• Vouloir être Adaptatif (apprentissage continu) entre en conflit avec la Responsabilité (qui est responsable quand l'algorithme change tout seul ?).
• La phase "Loose" (implémentation locale) risque de creuser la fracture numérique si les petites structures n'ont pas les ressources pour suivre.

Sans surveillance stricte, l'IA risque de simplement automatiser les biais existants du système de santé.

📥 Pour aller plus loin : Ce post ne gratte que la surface. Pour des analyses approfondies sur l'intersection IA, Digital et Santé, abonnez-vous à ma newsletter : https://lnkd.in/eENTNBWR

📄 Source du document : An Artificial Intelligence Code of Conduct for Health and Medicine: Essential Guidance for Aligned Action Publié par la National Academy of Medicine (NAM), Washington, DC. 🔗 Lien direct vers la publication : https://lnkd.in/eRQFvFgF
#IAtrogénique #IAtus #SantéNumérique #IA #EthiqueIA #DigitalHealth #NAM

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

Avant même de consulter un médecin, de plus en plus de patients interrogent une intelligence artificielle (IA) comme ChatGPT ou Claude pour interpréter leurs symptômes ou comprendre des résultats d'examens.

Face à cette tendance, des chercheurs de l’Université de Birmingham, au Royaume-Uni, lancent un programme international pour créer le premier guide destiné à aider le public à utiliser en toute sécurité les chatbots de santé.

Le projet, détaillé dans la revue Nature Health, est baptisé "The Health Chatbot Users' Guide".

#santé #IA #innovation