当25%的美国医生每天用AI:Open Evidence如何汇聚临床智慧

AI PM 编辑部 · 2025年05月12日 · 1 阅读 · AI/人工智能

正在加载视频...

视频章节

这篇文章通过一次“飞机上的紧急病例”真实演示,讲述医疗搜索平台Open Evidence如何把分散在文献与医生经验中的知识,转化为可信、可执行的临床决策支持,并分享其对医疗AI下一阶段的独特判断。

当25%的美国医生每天用AI:Open Evidence如何汇聚临床智慧

这篇文章通过一次“飞机上的紧急病例”真实演示,讲述医疗搜索平台Open Evidence如何把分散在文献与医生经验中的知识,转化为可信、可执行的临床决策支持,并分享其对医疗AI下一阶段的独特判断。

为什么医生需要一个“可以信任的AI肩膀”

医疗AI并不缺概念,真正稀缺的是被一线医生信任、每天都敢用的系统。Zachary Ziegler一开场就点明了Open Evidence的使命:他们不是要“取代医生”,而是“帮助那些正在帮助社会中最需要帮助的人”。这句话之所以重要,是因为它定义了产品的边界——AI不是主角,而是放大医生能力的工具。

目前,Open Evidence是一个面向医生的医疗搜索平台。Zach给出的数据非常具体:在过去12个月里,它已经覆盖了超过25%的美国在执业医生,而且“平均用户每天都会使用”。在医疗行业,这几乎是一个反常识的留存水平,也解释了为什么他们会不断收到医生主动分享的使用故事。

Zach用一句非常有画面感的话形容这种关系:“open evidence acts as kind of a shoulder that physicians can lean on.”——在高压、复杂、不允许出错的临床环境中,医生需要的不是炫技式AI,而是一个能随时倚靠的可靠支点。

一声‘飞机上有医生吗?’的真实演示

为了证明产品价值,Zach没有选择展示功能列表,而是讲了一个完整的真实故事。几天前,他们收到一位医生Susan的来信,感谢Open Evidence“提供了一个我可以信任的AI产品”。于是,Zach邀请所有人“站在Susan的视角”,完整走一遍当时的决策过程。

故事从医生最熟悉、也最紧张的场景开始:“is there a doctor on board?”——Susan在飞机上被叫到一名出现皮疹的乘客身边。她初步怀疑是水痘(chickenpox),但问题远没有这么简单:乘客的旅行史会显著影响判断,而在高空中,医生不可能凭记忆去回溯所有权威资料。

Susan做的第一件事,就是在Open Evidence里查询相关信息。系统直接引用了CDC Yellow Book(美国疾控中心关于旅行医学的权威手册),帮助她确认了一个关键问题:水痘的潜伏期。在这个案例中,答案是15天。这个具体数字,直接影响了她对感染风险的评估。

当病人不再“标准化”,AI如何处理复杂叠加条件

真正的挑战出现在第二步。患者并非“教科书案例”:他同时患有前列腺癌,并正在服用一种叫“extendi”的药物。这意味着免疫状态可能被抑制,而这在传染病判断中至关重要。

Susan在Open Evidence中提出了第二个问题:在这种用药背景下,患者的免疫抑制程度如何?系统给出的结论是“中度免疫抑制”。这个判断带来了一个极其现实的决策结果:情况并不足以严重到必须让飞机返航。

接着,她问了第三个问题:在这种前提下,水痘应该如何管理?基于文献和临床经验整合出的建议,让机组在落地后提前准备好治疗方案,最终“they make the treatment available upon landing and everyone’s okay”。

Zach在这里总结了一句非常有洞察力的话:“every single patient is a longtail.” 医疗世界里几乎不存在完全标准化的病例,而Open Evidence的价值,正是在这些不断叠加的复杂条件中,帮医生理清路径。

不只是搜索:汇聚全球医生的‘集体临床智慧’

在演示结束后,Zach特意强调:刚才展示的,只是Open Evidence“今天已经存在的样子”。接下来,他们正在更深地进入医生工作流,构建新的医学推理和医学研究形态。

最引人注目的一点,是他分享的一个尚属早期、但意义重大的进展:对于某些问题,系统给出的答案,已经不再只是“哪篇论文写了什么”,而是第一次被“the aggregate clinical wisdom of some of the best GI doctors in the entire world”所增强。

这句话的分量在于,它触及了医学知识的灰色地带——大量决策经验并未完整写进指南或论文,却真实存在于顶尖医生的日常判断中。Open Evidence尝试做的,是在不违背循证医学的前提下,把这些分散、隐性的智慧结构化、可查询化。这也许正是医疗AI区别于其他行业AI的分水岭。

总结

Open Evidence展示了一条不同于“万能医疗AI”的路径:从医生最紧张的真实场景出发,用可验证的文献、清晰的推理和逐步叠加的判断,托住每一个不完美但必须当场做出的决定。对读者而言,这个故事的启发不只是医疗,而是所有高风险行业中的AI设计——真正有价值的系统,往往不是替你做决定,而是在关键时刻,让你更有底气地做出那个决定。


关键词: 医疗AI, Open Evidence, 临床决策支持, 医学搜索, 医生工作流

事实核查备注: 关键信息核查点:1)Open Evidence为医生使用的医疗搜索平台;2)过去12个月覆盖超过25%的美国在执业医生,且平均每天使用;3)案例涉及水痘(chickenpox)、CDC Yellow Book、15天潜伏期;4)患者合并前列腺癌并使用名为“extendi”的药物,免疫抑制程度为中度;5)原话引用包括“is there a doctor on board?”、“every single patient is a longtail”、“acts as kind of a shoulder that physicians can lean on”。