OpenEvidence

OpenEvidence هو محرك بحث طبي مدعوم بالذكاء الاصطناعي تم تصميمه خصيصاً للأطباء المرخصين، ويهدف إلى استبدال البحث اليدوي في PubMed والتصفح البطيء في UpToDate بجانب سرير المريض. تأسست المنصة في عام 2022 على يد دانيال نادلر، الحاصل على درجة الدكتوراه من جامعة هارفارد والمؤسس السابق لشركة Kensho (التي استحوذت عليها S&P Global مقابل 550 مليون دولار)، والمؤسس المشارك زاكاري زيغلر، باحث التعلم الآلي في جامعة هارفارد. تقوم المنصة بتجميع المؤلفات الطبية الخاضعة لمراجعة الأقران وتحويلها إلى إجابات موثقة بلغة طبيعية في غضون ثوانٍ. المنصة مجانية لأي طبيب أمريكي معتمد عبر NPI، ويتم تمويلها من خلال إعلانات الأدوية والأجهزة الطبية بدلاً من الاشتراكات.

يحتوي المنتج الأساسي على وضعين اعتباراً من مايو 2026. يتعامل Quick Consult مع معظم أسئلة نقطة الرعاية، حيث يقدم إجابات مدعومة بالأدلة مع استشهادات مباشرة من المجلات الطبية في أقل من 10 ثوانٍ. أما DeepConsult، الذي تم إطلاقه في يوليو 2025، فهو وكيل استدلال مستقل يعمل بالذكاء الاصطناعي يقوم بمقاطعة دراسات متعددة على مدار عدة دقائق ويقدم تجميعاً شاملاً متعدد المصادر، أشبه بمراجعة الأدبيات بدلاً من مجرد بحث سريع. يعمل كلا الوضعين على محتوى نصي كامل مرخص من JAMA Network و NEJM Group و NCCN و ACC و Cochrane و AAFP. المنصة متاحة على الويب و iOS و Android، مع أدوات مصغرة (widgets) أصلية للوصول السريع بجانب سرير المريض وواجهة برمجة تطبيقات (API) للتكامل المؤسسي. تم إطلاق منتج ثالث، وهو Coding Intelligence، في مارس 2026 لمساعدة الأطباء على تحديد التشخيصات غير المرمزة بشكل كافٍ في ملاحظاتهم واسترداد التعويضات المالية المفقودة.

ما هو OpenEvidence فعلياً في مايو 2026

يقع OpenEvidence في نقطة التقاطع بين استرجاع المؤلفات الطبية والتوليف بالذكاء الاصطناعي. إنه ليس روبوت محادثة، أو أداة توثيق، أو محرك تشخيص تفريقي. بل هو نظام توليد معزز بالاسترجاع (RAG) تم تدريبه وتأسيسه على محتوى مرخص خاضع لمراجعة الأقران، مع جعل التحقق من هوية الطبيب كبوابة للوصول.

تميز شراكات المحتوى الخاصة بالمنصة عن أدوات الذكاء الاصطناعي العامة المطبقة في الطب. منحت صفقة JAMA Network، التي أُعلن عنها في 5 يونيو 2025، OpenEvidence وصولاً مرخصاً إلى JAMA و JAMA Network Open وجميع المجلات المتخصصة الـ 11 التابعة لـ JAMA، بما في ذلك النصوص الكاملة والوسائط المتعددة. تغطي اتفاقية NEJM Group الموازية جميع المحتويات من NEJM و NEJM Evidence و NEJM AI و NEJM Catalyst و NEJM Journal Watch وصولاً إلى عام 1990. هذه ليست ملخصات مستخرجة من الويب؛ بل هي تكاملات لنصوص كاملة مرخصة. بالنسبة لأداة مجانية، فإن هذه المجموعة من المحتوى تعتبر استثنائية حقاً.

كان النمو سريعاً بشكل غير عادي وفقاً لأي معيار من معايير البرمجيات الطبية. وصلت الشركة إلى مليون استشارة سريرية في فترة 24 ساعة فقط في 10 مارس 2026. واعتباراً من أوائل عام 2026، تعالج المنصة أكثر من 20 مليون استشارة شهرياً من 757,000 طبيب معتمد عبر أكثر من 10,000 مستشفى ومركز طبي. حقق الذكاء الاصطناعي نسبة 100% في اختبار USMLE في عام 2025، ارتفاعاً من 90% في عام 2023، على الرغم من أن الأداء في امتحانات البورد والدقة الحقيقية في التخصصات الدقيقة هما أمران مختلفان (المزيد حول ذلك في قسم التحديات).

"يعد OpenEvidence أكثر حداثة من UpToDate. وهو أكثر فائدة بغض النظر عن ذلك، نظراً لأنه تفاعلي، ويمكنك طرح الأسئلة عليه، والحصول على إجابات محددة جداً حول حالات طبية معينة." -- الدكتور أنطونيو خورخي فورتي، مدير MayoExpert، في Mayo Clinic، 2025

موقع OpenEvidence مقارنة بـ UpToDate و Glass Health

يحتوي مجال دعم القرار السريري على نقطتين مرجعيتين مهمتين للمقارنة: UpToDate، النظام المؤسسي العريق، و Glass Health، المتحدي الناشئ المعتمد على الذكاء الاصطناعي. يحتل OpenEvidence مكانة متميزة عن كليهما.

UpToDate (Wolters Kluwer) هي قاعدة بيانات مرجعية من تأليف بشري، وليست أداة توليف بالذكاء الاصطناعي. يتم كتابة محتواها ومراجعته من قبل مجالس تحرير متخصصة، ويتم تنظيمه في دراسات موضوعية منظمة تغطي جرعات الأدوية، وخوارزميات التشخيص التفريقي، ومحتوى التخصصات الدقيقة المفصل. تبلغ تكلفة اشتراك الطبيب حوالي 600 دولار سنوياً (غالباً ما تغطيها رخصة المستشفى). تكمن قوة UpToDate في قابليته للتدقيق وعمقه: كل ادعاء يعود إلى محرر خبير معروف. أما نقطة ضعفه فتكمن في تنسيقه. إنه مرجع تقرأه، وليس نظاماً تطرح عليه الأسئلة. لا توجد واجهة لغة طبيعية، ولا يوجد توليف عبر الأوراق البحثية، ولا توجد قدرة على الإجابة على مجموعات جديدة خاصة بالمريض. بالنسبة للأسئلة العامة بجانب سرير المريض حيث تكون السرعة مهمة، فإن OpenEvidence أسرع وموثق بنفس القدر. أما بالنسبة لعمق التخصصات الدقيقة المعقدة، فإن التحرير المنسق لـ UpToDate لا يزال يتفوق على توليف الذكاء الاصطناعي.

Glass Health هي منصة سريرية تعتمد على الذكاء الاصطناعي وتتخذ نهجاً مختلفاً: الاستدلال أولاً بدلاً من الاسترجاع أولاً. حيث يجيب OpenEvidence على "ماذا تقول المؤلفات الطبية عن X"، يجيب Glass Health على "بالنظر إلى هذه الأعراض، ما هي التشخيصات المحتملة وماذا يجب أن تكون الخطة". يقوم بتوليد تشخيصات تفريقية، وخطط سريرية، وفي فئة Max (200 دولار/شهرياً) يتكامل مباشرة مع Epic و eClinicalWorks و Athena لأتمتة سير عمل السجلات الصحية الإلكترونية (EHR). لا يمتلك Glass Health تراخيص مجلات JAMA/NEJM التي يمتلكها OpenEvidence، وهو ليس مجانياً. بالنسبة للطبيب الذي يحتاج إلى دعم التشخيص والتخطيط السريري بدلاً من استرجاع المؤلفات، فإن Glass Health هو الخيار الأنسب. أما بالنسبة للبحث عن الأدلة المستندة إلى المؤلفات الطبية بتكلفة صفرية، فإن OpenEvidence يفوز بلا منازع. تبدو هذه الأدوات متكاملة بشكل متزايد بدلاً من كونها تنافسية: فالعديد من الأطباء يستخدمون كليهما.

للحصول على مقارنة ذات صلة بأدوات الذكاء الاصطناعي التي تركز على التوثيق المحيطي بدلاً من استرجاع الأدلة، راجع Abridge و Suki AI و Nabla. للحصول على ذكاء اصطناعي آخر للاستدلال السريري ببنية مختلفة، يستهدف Hippocratic AI التواصل الصحي الموجه للمريض بدلاً من الدعم السريري للطبيب.

كيف يعمل الذكاء الاصطناعي فعلياً داخل OpenEvidence

يعد OpenEvidence نظام RAG، وليس نموذجاً طبياً دقيقاً يتم نشره دون أساس. يتم إنشاء كل إجابة بناءً على محتوى نصي كامل مرخص بدلاً من مجموعة تدريب ثابتة. هذا التمييز مهم للدقة ولتجنب الهلوسة: لا يمكن للنظام أن يؤكد بثقة شيئاً غير موجود في مجموعته المرخصة، وكل ادعاء يبرز مصدر استشهاده حتى يتمكن الطبيب من التحقق منه.

يعالج Quick Consult الأسئلة السريرية المباشرة، ويسترجع الأقسام ذات الصلة من المجموعة المرخصة ويولد إجابة مركبة مع الاستشهادات، عادةً في أقل من 10 ثوانٍ. يختلف DeepConsult من الناحية المعمارية: فهو يعمل كوكيل مستقل، حيث يحلل الاستعلام إلى أسئلة فرعية، وينفذ عمليات استرجاع متعددة، ويجمع النتائج عبر الدراسات في حلقة استدلال متعددة الخطوات. يستغرق هذا عدة دقائق وينتج مخرجات أطول بكثير وأكثر دقة يمكن مقارنتها بمراجعة الأدبيات التي يقوم بها طبيب مقيم مبتدئ.

يتم فرض التحقق من هوية الطبيب عبر البحث في المعرف الوطني لمقدمي الرعاية الصحية (NPI). لا تتحقق المنصة من الأطباء غير الأمريكيين من خلال هذه الآلية، مما يخلق صعوبة في الوصول للمستخدمين الدوليين ويعني أن رقم 757,000 مستخدم يمثل عالم الأطباء في الولايات المتحدة بشكل حصري تقريباً.

"لقد كنت أستخدم OpenEvidence خلال الأسبوع الماضي - لقد كان مذهلاً! قادر على تضييق نطاق النتائج بسرعة والعثور على معلومات لم أتمكن من الوصول إليها من خلال عمليات بحث Google/PubMed بمفردي." -- الدكتور جون لي، عضو هيئة التدريس في كلية الطب بجامعة هارفارد، App Store، 2025

التحديات والمخاوف التي يثيرها الأطباء باستمرار

من الصعب الجدال حول مسار نمو OpenEvidence، لكن المنتج لا يخلو من قيود حقيقية. تتكرر عدة أنماط في المراجعات والتعليقات السريرية.

موثوقية الخادم على نطاق واسع. مع أكثر من 20 مليون استشارة شهرياً، واجهت المنصة أعطالاً وانقطاعات في الاتصال خلال ساعات الذروة السريرية. يصف العديد من مراجعي App Store الجلسات التي تنقطع بعد 1-3 أسئلة خلال فترات النهار المزدحمة. على النطاق الذي يعمل به OpenEvidence الآن، تعد هذه مشكلة هندسية هيكلية وليست مجرد خلل بسيط.

فجوات الدقة في التخصصات الدقيقة. يبرز OpenEvidence حصوله على درجة 100% في اختبار USMLE بشكل بارز. اختبرت مسودة بحثية نُشرت في نوفمبر 2025 على medRxiv (Jagarapu et al., doi: 10.64898/2025.11.29.25341091) المنصة على أسئلة التخصصات الدقيقة المعقدة من مجموعة بيانات امتحان البورد MedXpertQA ووجدت دقة بنسبة 41% لـ Deep Consult و 34% لـ Quick Consult. وللتوضيح، سجلت أحد عشر نموذجاً لغوياً كبيراً رائداً تم اختبارها على نفس مجموعة البيانات 14-46%، لذا فإن الفجوة تعكس مشكلة صعبة في جميع أنحاء المجال بدلاً من كونها فشلاً خاصاً بـ OpenEvidence. لكن هذا يعني أنه بالنسبة لزملاء التخصصات الدقيقة أو الأطباء الأخصائيين الذين يعملون على حالات نادرة، فإن الأداة أقل موثوقية بكثير مما يوحي به أداؤها العام.

نموذج الإعلانات. يتم تمويل الوصول المجاني إلى OpenEvidence من خلال إعلانات الأدوية والأجهزة الطبية بتكلفة لكل ألف ظهور (CPM) تتراوح بين 70 و 150 دولاراً، وهو أعلى بكثير من المعدلات الرقمية المعتادة. تؤكد الشركة أن المحتوى السريري والإعلانات منفصلان تماماً. يشير النقاد، بما في ذلك باحثو معلومات الرعاية الصحية والنشرات الإخبارية المستقلة (Out-of-Pocket، Krafty Librarian)، إلى أن قضية Practice Fusion تظل مرجعاً تحذيرياً: تم تغريم تلك الشركة 145 مليون دولار لتضمينها تنبيهات وصفات المواد الأفيونية في سجلاتها الصحية الإلكترونية (EHR) والتي تم تشغيلها 230 مليون مرة قبل التدخل. OpenEvidence ليس Practice Fusion، وسياسة الإعلانات الخاصة بالشركة تحظر صراحةً تأثير الإعلانات على الإجابات السريرية. القلق هنا هيكلي: وضع إعلانات الأدوية في اللحظة الدقيقة التي يقرر فيها الطبيب العلاج يخلق تقارباً غير معتاد في أي سياق مرجعي طبي آخر.

حساسية المطالبات. يلاحظ المستخدمون أن الأسئلة السريرية الغامضة أو المصاغة بشكل سيئ تعود بإجابات سطحية. تكافئ المنصة اللغة السريرية الدقيقة، مما يفضل الأطباء ذوي الخبرة على طلاب الطب أو الأطباء المقيمين الذين لا يزالون يطورون مهاراتهم في صياغة الأسئلة.

ما لا تفعله المنصة. لا يقوم OpenEvidence بحساب جرعات الأدوية، أو التحقق من التفاعلات الدوائية، أو توليد تشخيصات تفريقية، أو إنتاج وثائق سريرية. تتطلب هذه القدرات أدوات منفصلة. بالنسبة للأطباء الذين يحتاجون إلى سير عمل سريري متكامل بدلاً من البحث في المؤلفات الطبية، فهذا يعني أن OpenEvidence يعمل جنباً إلى جنب مع أدوات أخرى بدلاً من استبدالها.

لمن تم تصميم OpenEvidence، ومن يجب عليه استخدام شيء آخر

يعد OpenEvidence الأنسب لأطباء الرعاية الأولية، وأطباء المستشفيات، وأطباء الباطنة العامة، وأطباء الطوارئ الذين يحتاجون إلى إجابات سريعة وموثقة للأسئلة السريرية العامة في نقطة الرعاية أو بالقرب منها. إنه يعمل بشكل جيد كخطوة أولى في سير عمل الأسئلة السريرية: اسأل OpenEvidence، واحصل على توليف موثق للمؤلفات الطبية، ثم تحقق أو تعمق أكثر إذا لزم الأمر. يزيل السعر المجاني كل حواجز الوصول للأطباء في الولايات المتحدة، وهذا هو سبب سرعة اعتماده.

يستفيد طلاب الطب والأطباء المقيمون من تأسيس الأداة على الأدلة، لا سيما لبناء الوعي بالمؤلفات الطبية أثناء التدريب. تُظهر شفافية الاستشهادات من أين تأتي الادعاءات، مما يجعلها أداة تعليمية بدلاً من مجرد أداة لتوليد الإجابات.

تعد الأداة أقل ملاءمة للأطباء الأخصائيين في التخصصات الدقيقة الذين يعملون على حالات معقدة على حافة مؤلفات تخصصهم، حيث تشير بيانات الدقة لشهر ديسمبر 2025 إلى فجوات موثوقية كبيرة. كما أنها ليست الأداة المناسبة للمؤسسات التي لدى فرق الامتثال أو الأخلاقيات فيها مخاوف بشأن إعلانات الأدوية المجاورة لاتخاذ القرارات السريرية، أو للأطباء غير الأمريكيين الذين لا يمكنهم إكمال التحقق من NPI.

يجب على الأطباء الذين يحتاجون إلى دعم في جرعات الأدوية أو التفاعلات أو التشخيص التفريقي إقران OpenEvidence بأدوات مخصصة بدلاً من التعامل معه كحل كامل لدعم القرار السريري. بالنسبة لأدوات الذكاء الاصطناعي التي تركز بشكل خاص على الاستدلال السريري وتخطيط التشخيص، يملأ Glass Health الفجوة التي يتركها OpenEvidence عمداً. بالنسبة للذكاء الاصطناعي الطبي للأغراض العامة مع مقايضات مختلفة، يركز Hippocratic AI على التواصل الصحي الموجه للمريض بدلاً من الدعم السريري للطبيب، وهو جزء مختلف من حزمة الذكاء الاصطناعي للرعاية الصحية.