Claude gebruiken als medisch schrijver: wat het kan opstellen

Bijgewerkt op 13 min lezen KissMySkills
Op deze pagina
  1. Waarom moet het fabriceren van citaties het eerste probleem zijn dat je aanpakt?
  2. Wat kun je er daadwerkelijk in zetten?
  3. Voor welke documenten werkt dit in de praktijk?
  4. Wat weet het model niet over gereguleerde inhoud?
  5. Waar is het echt goed in?
  6. Hoe installeer je de Nora Skill?
  7. Waar gaat het mis?
  8. Voor wie is dit bedoeld?
  9. Gerelateerde Skill-gidsen
Skill · .md

De Skill achter deze gids: Nora - Medical Writer AI Skill. Vraagt eerst naar doelgroep, documenttype en rechtsgebied, en markeert ontbrekende gegevens in plaats van ze te verzinnen - $19, één betaling, permanent van jou.

Bekijk de Nora Skill →

Een model kan de eerste-draftlast verlichten bij het structureren van een document, het herschrijven van dezelfde trialgegevens voor een andere lezer en het omzetten van klinische taal in begrijpelijke taal. Je kunt het niet vertrouwen met een referentie, het kent je goedgekeurde productinformatie niet en het heeft geen idee welke van je input je mocht plakken. Niets dat op deze manier is opgesteld, gaat naar een patiënt, toezichthouder of tijdschrift zonder gekwalificeerde medische, wetenschappelijke en regelgevende controle. Dit is geen medisch advies.

Waarom moet het fabriceren van citaties het eerste probleem zijn dat je aanpakt?

Omdat een valse referentie je op dit gebied niet alleen in verlegenheid brengt. Een model produceert een echt klinkende auteurslijst, een plausibel tijdschrift, een volume, een paginabereik en een correct gevormde DOI voor een artikel dat niet bestaat - en de uitvoer geeft geen enkel signaal dat het dit allemaal heeft verzonnen. Geen voorbehoud, geen ontbrekend veld, geen lagere betrouwbaarheid.

Dit gebeurt het vaakst precies op de plek waar je de onderbouwing het liefst wilt: de specifieke bewering op het scharnierpunt van je betoog, op de plek waar de echte literatuur het dunst is. Als een goed onderzocht onderwerp wordt geciteerd, heeft het model echte artikelen gezien en is de kans groter dat het er een noemt. Als je zin een studie vereist die niemand heeft uitgevoerd, krijg je een studie die niemand heeft uitgevoerd.

De aangrenzende fouten zijn erger in medisch schrijven omdat ze een snelle controle doorstaan: een echt artikel met verzonnen paginanummers; een echt artikel waarvan de bevinding betrekking had op een andere populatie, een andere dosis of een andere follow-up dan de zin waaraan je het hebt gekoppeld; een DOI die naar een ongerelateerd artikel verwijst. Elke referentie wordt gecontroleerd aan de hand van de daadwerkelijke bron - DOI, PubMed, het tijdschrift - voordat deze ergens wordt gebruikt.

De methode die werkt: vraag nooit om bronnen

Draai de volgorde om. Laat het model de beweringen markeren die een bron nodig hebben en aangeven waarnaar je moet zoeken. Zoek de bronnen zelf. Plak vervolgens de echte brontekst terug en laat het je concept vergelijken met wat de bron daadwerkelijk zegt - dat is de stap die het vaker voorkomende probleem aan het licht brengt van een echte referentie die verder wordt opgerekt dan het bewijs toelaat.

Prompt 1 - markeer de beweringen, geef geen referenties

Je beoordeelt een concept-[DOCUMENTTYPE: manuscriptbespreking / achtergrondsectie / samenvatting in begrijpelijke taal] in [THERAPEUTISCH GEBIED]. Geef GEEN enkele citatie, auteursnaam, jaartal, tijdschrift of DOI. Als je geneigd bent een bron te noemen, noem dan een zoekopdracht. Markeer elke zin die een feitelijke, klinische of kwantitatieve bewering bevat waarvoor een bron vereist is. Geef voor elk het volgende: - de zin, exact geciteerd - het bewijsniveau dat nodig zou zijn om dit zoals geschreven te onderbouwen (RCT, meta-analyse, observationeel onderzoek, richtlijn, label/SmPC, preklinisch) - drie PubMed-zoekreeksen, in afnemende breedte - of de claim, zoals geformuleerd, sterker is dan het type bewijs waarschijnlijk heeft Maak daarnaast een lijst van elke zin die werkzaamheid stelt of impliceert, vergelijkende werkzaamheid of veiligheid. Die gaan naar de regelgevende beoordeling. CONCEPT: [PASTE]

Prompt 2 - controleer de parafrase aan de hand van de echte bron

Hieronder staat een passage uit mijn concept, gevolgd door de daadwerkelijke tekst van de bron Ik heb het hiervoor geciteerd. Ik heb de bron gelezen. Controleer of ik deze correct gebruik. Geef voor elke claim in mijn passage aan of de brontekst: (a) stelt het rechtstreeks, (b) suggereert het, maar stelt het niet, (c) stelt iets beperkters - een andere populatie, dosis, eindpunt, follow-up, comparator of omvang, (d) ondersteunt het helemaal niet. Citeer de exacte zin waartegen je het oordeel afzet. Als je geen ondersteunende zin, antwoord (d). Vul geen leemte in met je eigen kennis en vertel me niet wat de bredere literatuur zegt. Markeer afzonderlijk elk getal in mijn passage dat niet voorkomt woordelijk in de bron. MIJN PASSAGE: [PASTE] BRONTEKST: [PASTE THE RELEVANT PAGES]
Skill in de schijnwerpers
Nora - AI Skill voor medisch schrijven
$19 · eenmalige betaling

Vraagt naar doelgroep, documenttype en rechtsgebied voordat het ook maar één regel schrijft, en werkt uitsluitend met de gegevens die je aanlevert - ontbrekende informatie wordt gemarkeerd als [DATA TO BE PROVIDED] in plaats van ingevuld. Elke uitvoer wordt gelabeld als concept voor beoordeling door een gekwalificeerde beoordelaar.

Bekijk Nora - Medical Writer AI Skill →

Wat kun je er daadwerkelijk in zetten?

Dit is een echte beslissing met echte regels, en die wordt genomen voordat je iets plakt, niet erna. Twee afzonderlijke problemen worden door elkaar gehaald.

Patiëntgegevens. Volgens HIPAA heeft een leverancier die namens jou beschermde gezondheidsinformatie verwerkt een Business Associate Agreement nodig. Consumentenchatniveaus worden doorgaans niet met zo'n overeenkomst geleverd, dus "ik plak de casussamenvatting er gewoon in" is een beslissing over de compliance-positie van je organisatie, geen kwestie van gemak. De-identificatie kent ook vastgelegde standaarden - Safe Harbor en Expert Determination - en alleen de naam verwijderen is daar geen van. Datums, een zeldzame diagnose, een kleine populatie op één locatie, een ongebruikelijke combinatie van leeftijden en locaties: elk hiervan kan iemand opnieuw identificeerbaar maken. Volgens GDPR vallen gezondheidsgegevens in een bijzondere categorie met eigen vereisten voor grondslag, gegevensminimalisatie en bewaartermijnen, en het doet ertoe waar de verwerking fysiek plaatsvindt.

Niet-gepubliceerde onderzoeksgegevens. Een heel ander regelboek. Deze gegevens zijn doorgaans contractueel vertrouwelijk voor de opdrachtgever, en een geheimhoudingsovereenkomst maakt geen onderscheid tussen een persoon en een tool als ontvanger. Topline-resultaten vóór openbaarmaking kunnen voor een beursgenoteerde opdrachtgever ook koersgevoelige, niet-openbare informatie zijn.

Het praktische antwoord: vraag op welk niveau je zit en welke overeenkomst je organisatie heeft gesloten, en zorg dat je het antwoord hebt voordat je iets serieus opstelt. Leer de workflow met synthetische of al gepubliceerde gegevens - daar leer je precies hetzelfde van.

Voor welke documenten werkt dit in de praktijk?

Niet gelijkmatig. De bruikbare scheidslijn loopt niet langs therapeutische gebieden, maar langs de verhouding tussen structuur en register enerzijds en gereguleerde claims anderzijds. Hoe meer het document bestaat uit het herschikken van gegevens die u al bezit, hoe meer een model helpt. Hoe meer het een bewering over een geneesmiddel is, hoe meer het een aansprakelijkheidsrisico wordt dat u regel voor regel moet bewaken.

Document Wat het model daadwerkelijk goed doet De harde grens
Samenvatting in begrijpelijke taal
samenvatting van resultaten in lekentaal, tekst voor een patiëntenbijsluiter		 Verschuiving van register, leesniveau en structuur; het verwijderen van nuanceringen die een leek verwarren zonder de onzekerheid zelf weg te nemen Het zal "geen significant verschil" stilzwijgend omzetten in een geruststellende formulering. Elke claim moet worden terugvergeleken met de brontekst
Secties van manuscripten
inleiding, discussie, beperkingen		 De opbouw van het betoog, de beperkingen die u onvoldoende benadrukt, het bezwaar van de beoordelaar waarop u nog geen antwoord hebt gegeven Referenties. Neem er nooit een over van het model. ICMJE verbiedt bovendien dat het model op de auteursregel wordt vermeld
Secties van klinische onderzoeksrapporten ICH E3-basisstructuur, consistente kruisverwijzingen, signaleren van een sectie die u nog niet heeft ingevuld Het stilzwijgend weglaten van een vereist onderdeel, en elke berekening die opnieuw uit uw tabellen wordt afgeleid
Promotionele en medisch-educatieve teksten Een eerste versie van toon en verloop nadat iemand anders de claims heeft vastgesteld Het kent uw productinformatie niet. De evenwichtige weergave van risico's en baten volgens 21 CFR 202.1 is een structurele vereiste waaraan het standaard niet zal voldoen
Kliniekbrieven, casussamenvattingen Opschonen van dicteerfouten, een consistente huisstructuur, de correspondentiehelft van het werk De vertrouwelijkheidskwestie, die u moet beslissen voordat u tekst plakt. Nooit gecodeerde terminologie uit het hoofd
SmPC, bijsluiter, voorschrijfinformatie Uw concept controleren aan de hand van de vereiste volgorde van de secties Als u het vraagt er een te schrijven, zal het Amerikaanse en Europese formats combineren tot een document dat geen van beide is

Wat weet het model niet over gereguleerde inhoud?

Het kent uw productinformatie niet. Het schrijft op basis van gepubliceerde literatuur en van de manier waarop teksten over geneesmiddelen doorgaans klinken. Daarom vervalt het in formuleringen over werkzaamheid die verder gaan dan een goedgekeurde indicatie, zonder enig besef dat het een grens heeft overschreden.

In de VS valt de promotie van geneesmiddelen op recept onder 21 CFR 202.1. Materiaal moet een evenwichtige weergave van risico- en bateninformatie bieden - een structurele vereiste over de grondigheid waarmee elk aspect wordt behandeld, niet een kwestie van toon - en mag niet onjuist of misleidend zijn over bijwerkingen, contra-indicaties of werkzaamheid, noch wezenlijke feiten over de gevolgen van het aanbevolen gebruik weglaten. Promotiemateriaal wordt bij de eerste verspreiding bij de FDA ingediend via formulier 2253, en het Office of Prescription Drug Promotion geeft ongetitelde brieven en waarschuwingsbrieven uit wanneer materiaal niet aan de voorschriften voldoet. Een model waaraan wordt gevraagd wervende tekst te schrijven, zal standaard tekst produceren waarin de baten de nadruk krijgen, omdat de meeste marketingteksten er zo uitzien.

Gestructureerde documenten hebben voorgeschreven inhoud: ICH E3 voor klinische onderzoeksrapporten, de formats voor de SmPC en de bijsluiter in de EU, en rapportagerichtlijnen zoals CONSORT voor gerandomiseerde onderzoeken, PRISMA voor systematische reviews en STROBE voor observationele onderzoeken. De kenmerkende fout is niet een sectie die er verkeerd uitziet - het is een sectie die perfect leest en stilzwijgend een verplicht item weglaat.

In de EU voegt de verordening betreffende klinische proeven een document toe dat duidelijk een schrijfprobleem is: naast de technische samenvatting van de resultaten moeten opdrachtgevers een samenvatting verstrekken in termen die voor leken begrijpelijk zijn. Het is het enige document waarin het register het gereguleerde kenmerk is, precies waar een model tegelijk het sterkst en het gevaarlijkst is - het is zeer goed in het leesbaar maken van tekst, en leesbaar is één stap verwijderd van geruststellend.

Voor indiening bij tijdschriften stellen de ICMJE-aanbevelingen dat een chatbot niet als auteur kan worden vermeld, omdat auteurschap verantwoordelijkheid vereist voor de nauwkeurigheid en integriteit van het werk. Auteurs wordt gevraagd AI-ondersteunde technologieën bij indiening bekend te maken, te beschrijven hoe ze zijn gebruikt en verantwoordelijk te blijven voor het verifiëren van alles wat door AI is aangeraakt. Diezelfde discipline wordt vanuit academisch perspectief behandeld in onze gids voor academisch schrijven, en het controleren van referenties in de gids voor referentiebeheer.

Waar is het echt goed in?

Herschrijven. Dezelfde dataset moet worden omgezet in een sectie van een klinisch onderzoeksrapport, een manuscript, een briefing voor clinici en een patiëntenbijsluiter, in vier registers, en dat vertaalwerk kost daadwerkelijk uren. Een model dat de cijfers krijgt en de doelgroep krijgt opgegeven, verricht het structurele en taalkundige werk, terwijl jij het oordeel behoudt.

Het is ook goed in het opzetten van een eerste structuur voor een documenttype dat je zelden schrijft, in het signaleren waar je eigen concept qua register is afgeweken en in het formuleren van de lastige vragen die een beoordelaar zal stellen voordat die beoordelaar ze zelf stelt.

Prompt 3 - herschrijf voor een andere lezer zonder claims toe te voegen

Herschrijf de onderstaande passage voor [DOELGROEP: patiënten en mantelzorgers / voorschrijvende artsen / een HTA-commissie / een medewerker van de lekenpers] in [JURISDICTIE: VS / EU / VK], streefniveau [bijv. VK leesleeftijd 12]. - Strikte regels: - Voeg geen feit, getal, voordeel, vergelijking of geruststelling toe die niet al in mijn tekst staat. Alles wat ontbreekt, komt in een lijst met HIATEN. - Zet een absoluut getal niet om in een relatief getal, en de omkeer, en bereken niets opnieuw. Neem cijfers letterlijk over. - Houd onzekerheid intact. Als ik schreef dat een effect niet statistisch significant is, blijft het niet-significant. - Houd risico-informatie even prominent als informatie over voordelen. - Als een verplicht element van dit documenttype ontbreekt in mijn tekst, voeg [DATA TO BE PROVIDED] in - gebruik nooit een tijdelijke waarde. Geef eerst de herschrijving, daarna HIATEN en vervolgens een lijst van elke zin die een waar de regelgevende beoordelaar naar zou moeten kijken en waarom. PASSAGE: [PASTE]

Prompt 4 - controle vóór het naar je beoordelaar gaat

Treed op als kritische eerste lezer van het onderstaande concept. Dit is [DOCUMENT TYPE] voor [AUDIENCE] in [JURISDICTION], betreffende [PRODUCT / INTERVENTION], indicatie zoals vermeld in het label: [PASTE THE APPROVED INDICATION TEXT]. Je keurt niets goed. Maak een lijst voor een bevoegde beoordelaar. Markeer deze, met de geciteerde zin: 1. Elke claim die verder gaat dan de indicatietekst die ik heb geplakt. 2. Elke vergelijkende claim, expliciet of impliciet door volgorde of nadruk. 3. Elke plaats waar het voordeel vollediger wordt weergegeven dan het risico. 4. Elk getal dat zonder noemer, tijdsbestek, populatie of onzekerheid. 5. Elke causale formulering bij niet-causaal bewijs. 6. Elk vereist element van dit documenttype dat ontbreekt - vermeld de richtlijn of het format waaraan je controleert, en zeg duidelijk als je er niet zeker van bent dat dit in deze jurisdictie van toepassing is. Herschrijf niets. Stel me niet gerust. CONCEPT: [PASTE]

Prompt 5 - de geruststellingscontrole van een samenvatting in begrijpelijke taal

Voer dit uit op elke patiëntgerichte tekst en doe dit afzonderlijk van de herschrijving waarmee de tekst is opgesteld. Als je dezelfde conversatie zowel laat schrijven als controleren, krijg je een verdediging van wat die zojuist heeft geschreven.

Hieronder staat een samenvatting in begrijpelijke taal, met daaronder de technische bron waaruit deze is afgeleid. Verbeter de samenvatting niet. Controleer deze. Maak een tabel met één rij per claim in de samenvatting: - de zin in begrijpelijke taal, geciteerd - de bronzin waarop deze betrekking heeft, geciteerd - of de versie in begrijpelijke taal ZWAKKER, GELIJK of STERKER is dan de bron - als STERKER, het specifieke mechanisme: verschuiving van absoluut naar relatief, weggelaten betrouwbaarheidsinterval, weggelaten "niet significant", weggelaten beperking van de populatie, weggelaten tijdsbestek, vervangen causaal werkwoord voor een associatief verband, of een voordeel dat vóór een risico is geplaatst Vermeld vervolgens afzonderlijk: - elke schade, bijwerking of beperking die in de bron voorkomt en ontbreekt in de samenvatting - elke zin die voor een lezer als advies over diens eigen behandeling Stel geen alternatieve formulering voor. SAMENVATTING: [PASTE] BRON: [PASTE]
Aanvullend promptpakket
Promptbibliotheek voor zorgdocumentatie
$23 · eenmalige betaling

Voor de alledaagse helft van het werk - klinische brieven, casussamenvattingen, ontslag- en verwijzingscorrespondentie, voorlichtende patiëntteksten - opgesteld voor beoordeling door een clinicus voordat er iets wordt verzonden. Dezelfde vertrouwelijkheidsvraag geldt voordat je iets plakt.

Bekijk de Promptbibliotheek voor zorgdocumentatie →

Hoe installeer je de Nora Skill?

De download is een ZIP met SKILL.md in de hoofdmap van het archief - niet in een geneste map, wat meestal de reden is dat een upload mislukt. Open in de Claude-desktopapp Aanpassen → Skills, upload de ZIP en schakel deze in. Claude laadt de Skill wanneer je verzoek overeenkomt met wat deze omvat.

Skills zijn beschikbaar in de Pro-, Max-, Team- en Enterprise-abonnementen, met code-uitvoering ingeschakeld. In Pro en Max schakel je Code execution and file creation zelf in via Instellingen → Mogelijkheden; in Team en Enterprise bevindt die schakelaar zich bij een eigenaar in de organisatie-instellingen. Als het Skills-menu grijs is op je werkaccount, heeft iemand die beheerdersschakelaar uitgeschakeld - en in een organisatie voor levenswetenschappen kan dat opzettelijk zijn gebeurd. Het is de moeite waard dit na te vragen voordat je eromheen probeert te werken. De volledige uitleg, inclusief de fout in de mapstructuur waardoor de meeste eerste uploads mislukken, staat in de installatiehandleiding voor Skills.

In ChatGPT of Gemini hoef je niets te uploaden: open SKILL.md, kopieer de inhoud en plak deze in aangepaste instructies. Je verliest de automatische activering, maar behoudt de methode.

Waar gaat het mis?

  • Rekenwerk met je gegevens. Het zal een percentage, betrouwbaarheidsinterval of incidentiecijfer opnieuw afleiden uit je tekst en het fout hebben, terwijl het zelfverzekerd klinkt. Neem elk cijfer handmatig over uit de brontabel.
  • Gecodeerde terminologie. Voorkeurstermen uit MedDRA en ICD- en ATC-codes klinken aannemelijk, maar zijn vaak fout. Dit zijn opzoekgegevens, geen taaltaken.
  • Jurisdictiestructuur. Een Amerikaans document met voorschrijfinformatie en een EU-SmPC zijn niet hetzelfde document met een andere spelling. Als je om "prescribing information" vraagt, zal het beide combineren.
  • Eerlijke balans. Aan zijn standaardinstellingen overgelaten schrijft het tekst die vooral de voordelen benadrukt. Balans moet expliciet worden opgedragen en moet nog steeds door iemand met de juiste kwalificaties worden gecontroleerd.
  • Meegaandheid. Vraag of je concept aan de voorschriften voldoet en meestal krijg je te horen dat dit zo is. Vraag in plaats daarvan waar een beoordelaar bezwaar tegen zou maken.
  • Audittrail. Chatuitvoer heeft geen versiegeschiedenis, geen goedkeuring door een beoordelaar en geen beheerd dossier. In een omgeving die valt onder 21 CFR Part 11 of EU Annex 11 moet het concept worden opgenomen in je gevalideerde documentsysteem en niet in een gesprek blijven staan.
  • Vertrouwelijkheid. Dit gaat al mis op het moment dat je de tekst plakt. Er is geen oplossing achteraf.

Voor wie is dit bedoeld?

Medische schrijvers, regelgevings- en klinische teams in de farmaceutische industrie en bij CRO's, bureaus voor medische communicatie en academische onderzoekers die studies uitschrijven. Het werkt in Claude, ChatGPT of elke AI-chat.

Medisch schrijven staat naast een half dozijn aanverwante functies, en de catalogus splitst ze op in plaats van ze samen te voegen tot één vage zorgassistent. Elk hiervan is een afzonderlijke Skill voor $19:

Voor het bredere aanbod - toestemmingsformulieren, klinische samenvattingen en documenten voor verpleegkundigen en paramedici - bekijk de collectie met skills voor gezondheidszorg, wetenschap en onderwijs en de promptpakketten voor gezondheid en geneeskunde. Alles hier levert concepten voor beoordeling door gekwalificeerde professionals, en niets ervan is medisch advies.

Samengevat:

Neem nooit zonder controle een referentie over van een model, beantwoord de vraag over vertrouwelijkheid voordat je iets plakt en behandel elke uitvoer als een concept voor beoordeling door gekwalificeerde medische en regelgevende professionals. Gebruik voor regelgevende, klinische en patiëntgerichte documenten Nora - AI Skill voor medisch schrijven ($19); voor dagelijkse kliniekbrieven en casussamenvattingen dekt de Healthcare Documentation Prompt Library ($23) de rest. Beide werken in Claude, ChatGPT en elke AI-chat, met een 30 dagen niet-goed-geld-teruggarantie.

Skill · .md · Werkt met Claude & ChatGPT

Nora - AI Skill voor medisch schrijven

Eén bestand dat doelgroep, documenttype en jurisdictie vastlegt voordat er ook maar één woord wordt geschreven, uitsluitend werkt met de gegevens die je aanlevert en elk ontbrekend gegeven markeert als [DATA TO BE PROVIDED] in plaats van het te verzinnen. Concepten voor beoordeling door gekwalificeerde professionals. Geen abonnement. Permanent van jou.

$19
Download de Nora Skill →

KissMySkills is een marktplaats met meer dan 2.000 AI-skills, meer dan 80 promptpakketten, 55 agents en gratis tools voor Claude, ChatGPT en elke AI-chat.

Gerelateerde Skill-gidsen

Veelgestelde vragen

Can I use Claude for medical writing?+

For first drafts, structure, and recasting the same data for a different audience, yes, with three conditions. Every reference must be resolved against the actual source before it goes anywhere. The confidentiality question about what you paste must be settled first. And nothing reaches a patient, a regulator or a journal without qualified medical, scientific and regulatory review. This is not medical advice.

Why does AI invent references in medical writing?+

A citation is a highly patterned string, with authors, year, title, journal, volume, pages and DOI, and a model that continues patterns produces all of those features whether or not the paper exists. Nothing in the output marks an invented one. It happens most often exactly where you most want support: the specific claim at the hinge of your argument, where the real literature is thinnest. Adjacent failures include a real paper with invented page numbers, and a real finding from a different population, dose or follow-up than your sentence implies.

Can I put patient data or unpublished trial data into an AI chat?+

Treat these as two separate questions with two separate rulebooks. Under HIPAA, a vendor processing protected health information needs a Business Associate Agreement, and consumer chat tiers generally do not carry one. De-identification has defined standards, Safe Harbor and Expert Determination, and removing a name is not one of them; dates, rare diagnoses and small site populations can re-identify. Under GDPR, health data is special category with its own basis, minimisation and retention rules. Unpublished trial data is usually confidential to the sponsor under contract regardless of privacy law. Ask what agreement your organisation has in place before you paste anything real.

What does an AI get wrong about promotional and regulatory medical content?+

It does not know your approved label, so it writes efficacy language drawn from the literature rather than the indication. In the US, prescription drug promotion sits under 21 CFR 202.1, which requires fair balance between risk and benefit information and prohibits material that is false or misleading about side effects, contraindications or effectiveness; materials are submitted to FDA on Form 2253 at first dissemination. Structured documents have prescribed contents: ICH E3 for clinical study reports, SmPC and package leaflet formats in the EU, and CONSORT, PRISMA and STROBE for reporting. The typical failure is a section that reads perfectly and quietly omits a required item.

Which medical documents does AI actually help with?+

The split is by how much of the document is structure and register versus regulated claim. It helps most with plain-language summaries, manuscript introductions and discussions, recasting one dataset for a second audience, and clinic correspondence. It helps least with anything that asserts efficacy or safety about a medicine, because it does not know your approved label, and with SmPC or prescribing information, where asked for one document it blends the US and EU formats into something that is neither.

Can I list Claude as an author on a paper?+

No. ICMJE recommendations state that a chatbot cannot be listed as an author, because authorship requires responsibility for the accuracy, integrity and originality of the work. Authors are asked to disclose AI-assisted technologies at submission, describe how they were used, and remain responsible for verifying everything the AI touched.

What should never be left to an AI in medical writing?+

Arithmetic on your own data, because it will re-derive a percentage or a confidence interval and get it wrong while sounding certain. Coded terminology such as MedDRA preferred terms, ICD and ATC codes, which are lookups rather than language tasks. Fair balance, which has to be an explicit instruction and still needs qualified review. And the audit trail: under 21 CFR Part 11 or EU Annex 11 the draft has to enter your validated document system, not live in a chat window.

How do I install the Nora Medical Writer skill?+

The download is a ZIP with SKILL.md at the root of the archive, not inside a nested folder. In the Claude desktop app open Customize then Skills, upload the ZIP and toggle it on. Skills are available on the Pro, Max, Team and Enterprise plans with code execution enabled: on Pro and Max you turn on Code execution and file creation under Settings then Capabilities, while on Team and Enterprise that switch sits with an owner in organisation settings, which is why the menu is sometimes greyed out on a work account. In ChatGPT or Gemini, paste the contents of SKILL.md into custom instructions instead.

~/get-started

Skills die werken. Geen onzin.

Blader door elke skill, prompt pack en agent in de winkel.

Bekijk alle vaardigheden →Of probeer de gratis tools