Open Evidence：用 AI 捕捉医生的集体智慧 — Zachary Ziegler
摘要
Open Evidence 联合创始人 Zachary Ziegler 展示了一个正在重塑临床决策的 AI 医疗搜索平台。在短短 12 个月内，Open Evidence 已覆盖超过 25% 的美国执业医生，且平均用户每天都会使用。Ziegler 通过一个真实案例——Susan Wolver 医生在航班上处理医疗紧急情况——生动展示了 AI 如何在关键时刻辅助临床决策：从判断皮疹是否为水痘，到评估免疫抑制程度，再到制定合理的治疗方案，AI 帮助一位医生在万里高空做出了"不需要紧急迫降"的关键判断。更值得关注的是，凭借覆盖数百万医生的规模优势，Open Evidence 正在推进一项前所未有的计划：将分散在全球医生大脑中、从未被文字记录的"临床隐性知识"编码聚合，打造人类历史上首个系统性捕捉医生集体智慧的 AI 系统。
正文
12 个月，25% 美国医生，日活跃
Ziegler 首先用一组数据定义了 Open Evidence 的市场渗透力：超过 25% 的美国执业医生已成为月活用户，且平均用户每天都会使用平台。 "关于这个时刻最特别的事情之一是，我们非常频繁地从用户那里听到他们使用 Open Evidence 的真实故事。"于是，他选择用一个真实的临床故事来替代传统的产品演示。
万米高空的临床决策：Susan 医生的故事
2025 年的某一天，内科医生 Susan Wolver 在一架航班上听到了她职业生涯中被训练去应对的那句话："飞机上有医生吗？"
她上前查看，发现一位 63 岁的男性乘客在飞行途中出现了严重的手臂皮疹。Susan 怀疑这可能是水痘（Chickenpox）。但问题并不简单——这取决于患者近期去过哪里、水痘的潜伏期是多久。她打开 Open Evidence，输入问题，几秒钟后就得到了答案：潜伏期 15 天，参考来源包括 CDC 黄皮书（Yellow Book）等权威文献。结合与患者的交流，水痘的可能性确实很高。
真正的复杂性随之而来：这位患者同时患有前列腺癌，正在服用一种名为恩扎卢胺（Xtandi）的癌症药物。 水痘对儿童通常不严重，对成年人可能很严重，而对免疫功能受损（Immunocompromised）的成年人则可能极其严重——严重到需要紧急迫降或掉头返航。
Susan 在 Open Evidence 中提出第二个问题：Xtandi 对免疫系统的抑制程度有多高？系统搜索了《癌症免疫治疗杂志》（Journal of Immunotherapy of Cancer）等顶级期刊和近期研究，给出结论：免疫抑制水平为中度。 也就是说，患者确实有一定的免疫抑制风险，但大概率不需要让飞机掉头。
第三个问题接踵而至：在这种情况下如何管理水痘？Open Evidence 基于最新文献和可信资源，提供了一系列药物建议和合理的治疗方案。结论是：虽然需要一定的紧迫性在着陆后尽快获取药物，但不存在"30 分钟内不处理会有生命危险"的紧急情况。
基于这些信息，飞机继续飞行，所有人安然无恙。着陆后治疗立即到位。
核心洞察：每个病人都是长尾
Ziegler 从这个案例中提炼出一个深刻洞见：每一个病人都是一个"长尾"（Longtail）——每个人都带着自己独特的共病（Comorbidities）和背景信息。 当一个病人同时患有水痘和前列腺癌并正在服用特定药物时，没有任何教科书能够预先覆盖这种组合。对医生而言，要做出的判断实在太难了——"把所有知识塞进一个人的大脑是不可能的。"
这正是 Open Evidence 的价值所在：它就像医生可以倚靠的肩膀，在他们最需要的时候提供基于权威文献的、有据可查的决策支持。"现在，这样的场景每秒在全世界发生 10 次。"
从文献到"湿件"：编码全球医生的集体智慧
Ziegler 在演讲尾声抛出了一个令人兴奋的"One More Thing"。目前的 Open Evidence 主要依赖已发表的医学文献和指南——这些是已经"写下来的知识"。但还有同样多甚至更多的医学知识，从未被正式记录，只存在于全球数百万医生的"湿件"（Wet Brains）中——他们的临床经验、直觉判断和隐性知识。
凭借覆盖数百万医生的规模，Open Evidence 拥有了人类历史上第一次系统性地完成这件事的独特机会：将这些分散在全球医生大脑中的临床智慧提取、编码、聚合，再反馈到系统中，改善每一次回答和每一个病人的护理质量。
Ziegler 展示了一个刚刚在本周完成的初步案例：一条问题回答首次被"全球最顶尖的消化内科（GI）医生的聚合临床智慧"所增强，结果显著提升了回答质量和决策建议。"效果是，我们能够提供比原来更好的回答和更好的护理。"
正在构建的未来
除了"医生集体智慧"这一重大方向，Open Evidence 还在积极推进两个维度：一是更深入地嵌入医生的工作流中，让 AI 从被动的搜索工具转变为主动的决策参与者；二是构建新的医学推理和医学研究模态，让 AI 不仅能回答问题，还能主动提出值得探索的科学假设。
对于一个刚刚成立不久的公司来说，25% 的市场渗透率和每天 10 次/秒的查询量已经足够令人印象深刻。但 Ziegler 展示的愿景远不止于此——他试图构建的是一个能够持续学习、持续进化、让每一位医生在任何地方都能获得全世界最优秀同行集体智慧的"AI 超级医生"。