From Asking “What” to “Says Who”: Examining Social, Political, and Economic Forces Shaping Artificial Intelligence in Healthcare
Notice bibliographique
Résumé
Artificial intelligence (AI) is widely portrayed as a transformative innovation poised to revolutionise healthcare in the 21st century. Promoted by technology companies, this forward-looking narrative is often adopted uncritically by decision-makers, despite limited evidence of AI’s clinical effectiveness in real-world contexts and the persistence of numerous regulatory, professional, organisational, ethical, and governance challenges. In healthcare systems characterised by pluralism and complexity, the trajectory of AI is shaped by the strategic decisions and actions of diverse stakeholders who mobilise their social, political, and economic power and resources to influence dominant narratives about AI and to advance specific visions of the future of healthcare. This paper critically examines such influences by specifically focusing on how market imperatives, algorithmic logic, and the entrenched marginalisation of certain populations impact technology development and care delivery. It aims to investigate how particular actors and power dynamics affect AI research, commercialisation, and sustainable integration into healthcare systems. Because AI can reinforce and deepen existing power imbalances and inequalities, this paper calls for public policies grounded in social justice, fairness, and the public interest. These policies should aim to mitigate systemic harms and promote equity in healthcare.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,052 |
| Communication savante | 0,014 | 0,010 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».