OpenEvidence

OpenEvidence es un motor de búsqueda médica impulsado por IA creado exclusivamente para médicos con licencia, diseñado para reemplazar la búsqueda manual en PubMed y el lento proceso de revisión en UpToDate junto a la cama del paciente. Fundada en 2022 por Daniel Nadler, doctor por Harvard y exfundador de Kensho (adquirida por S&P Global por $550 millones), y el cofundador Zachary Ziegler, investigador de aprendizaje automático en Harvard, la plataforma sintetiza literatura médica revisada por pares en respuestas citadas en lenguaje natural en cuestión de segundos. Es gratuita para cualquier médico de EE. UU. verificado por NPI, y se financia mediante publicidad de productos farmacéuticos y dispositivos médicos en lugar de suscripciones.

El producto principal cuenta con dos modos a partir de mayo de 2026. Quick Consult maneja la mayoría de las preguntas en el punto de atención, ofreciendo respuestas basadas en evidencia con citas directas de revistas en menos de 10 segundos. DeepConsult, lanzado en julio de 2025, es un agente de razonamiento de IA autónomo que cruza datos de múltiples estudios durante varios minutos y ofrece una síntesis exhaustiva de múltiples fuentes, más parecida a una revisión bibliográfica que a una simple búsqueda. Ambos funcionan con contenido de texto completo con licencia de JAMA Network, NEJM Group, NCCN, ACC, Cochrane y AAFP. La plataforma está disponible en la web, iOS y Android, con widgets nativos para un acceso rápido junto a la cama del paciente y una API para integraciones institucionales. Un tercer producto, Coding Intelligence, se lanzó en marzo de 2026 para ayudar a los médicos a identificar diagnósticos subcodificados en sus notas y recuperar reembolsos perdidos.

Lo que realmente es OpenEvidence en mayo de 2026

OpenEvidence se sitúa en la intersección de la recuperación de literatura médica y la síntesis por IA. No es un chatbot, una herramienta de documentación ni un motor de diagnóstico diferencial. Es un sistema de generación aumentada por recuperación (RAG) entrenado y fundamentado en contenido revisado por pares con licencia, que utiliza la verificación médica como puerta de acceso.

Las asociaciones de contenido de la plataforma la distinguen de las herramientas de IA de propósito general aplicadas a la medicina. El acuerdo con JAMA Network, anunciado el 5 de junio de 2025, otorgó a OpenEvidence acceso con licencia a JAMA, JAMA Network Open y a las 11 revistas de especialidad de JAMA, incluyendo texto completo y multimedia. El acuerdo paralelo con NEJM Group cubre todo el contenido de NEJM, NEJM Evidence, NEJM AI, NEJM Catalyst y NEJM Journal Watch desde 1990. No se trata de resúmenes extraídos de la web; son integraciones de texto completo con licencia. Para ser una herramienta gratuita, este conjunto de contenidos es verdaderamente inusual.

El crecimiento ha sido inusualmente rápido para cualquier estándar de software médico. La empresa alcanzó 1 millón de consultas clínicas en un solo período de 24 horas el 10 de marzo de 2026. A principios de 2026, procesa más de 20 millones de consultas mensuales de 757,000 médicos verificados en más de 10,000 hospitales y centros médicos. La IA alcanzó el 100% en el USMLE en 2025, frente al 90% en 2023, aunque el rendimiento en los exámenes de la junta y la precisión real en subespecialidades son cosas diferentes (más sobre esto en la sección de frustraciones).

"OpenEvidence está más actualizado que UpToDate. Y es más útil en cualquier caso, ya que es interactivo, puedes hacerle preguntas y obtener respuestas muy específicas sobre [casos] médicos concretos." -- Dr. Antonio Jorge Forte MD, Director de MayoExpert, Mayo Clinic, 2025

Dónde se sitúa OpenEvidence frente a UpToDate y Glass Health

El espacio de apoyo a la toma de decisiones clínicas tiene dos puntos de referencia significativos para la comparación: UpToDate, el líder institucional de larga trayectoria, y Glass Health, el retador emergente nativo de IA. OpenEvidence ocupa una posición distinta a la de ambos.

UpToDate (Wolters Kluwer) es una base de datos de referencia elaborada por humanos, no una herramienta de síntesis por IA. Su contenido está escrito y revisado por pares a cargo de consejos editoriales especializados, organizado en monografías temáticas estructuradas que cubren dosificación de medicamentos, algoritmos de diagnóstico diferencial y contenido detallado de subespecialidades. Una suscripción médica cuesta aproximadamente $600 al año (a menudo cubierta por la licencia del hospital). La fortaleza de UpToDate es su auditabilidad y profundidad: cada afirmación se remonta a un editor experto nombrado. Su debilidad es su formato. Es una referencia que se lee, no un sistema al que se le hacen preguntas. No hay una interfaz de lenguaje natural, ni síntesis entre artículos, ni capacidad para responder a combinaciones novedosas específicas de pacientes. Para preguntas generalistas junto a la cama del paciente donde la velocidad es importante, OpenEvidence es más rápido y está igual de bien citado. Para la profundidad de subespecialidades complejas, el contenido editorial curado de UpToDate sigue superando a la síntesis por IA.

Glass Health es una plataforma clínica nativa de IA que adopta un enfoque diferente: prioriza el razonamiento en lugar de la recuperación. Mientras que OpenEvidence responde a "qué dice la literatura sobre X", Glass Health responde a "dados estos síntomas, cuáles son los diagnósticos probables y cuál debería ser el plan". Genera diagnósticos diferenciales, planes clínicos y, en el nivel Max ($200/mes), se integra directamente con Epic, eClinicalWorks y Athena para la automatización del flujo de trabajo en el EHR. Glass Health no tiene las licencias de las revistas JAMA/NEJM que tiene OpenEvidence, y no es gratuito. Para un médico que necesita apoyo en el diagnóstico y planificación clínica en lugar de recuperación de literatura, Glass Health es la mejor opción. Para la búsqueda de evidencia fundamentada en la literatura a coste cero, OpenEvidence gana por defecto. Estas herramientas parecen cada vez más complementarias en lugar de competitivas: muchos médicos utilizan ambas.

Para una comparación relacionada de herramientas de IA que se centran en la documentación ambiental en lugar de la recuperación de evidencia, consulte Abridge, Suki AI y Nabla. Para otra IA de razonamiento clínico con una arquitectura diferente, Hippocratic AI se dirige a la comunicación de salud orientada al paciente en lugar del apoyo clínico al médico.

Cómo funciona realmente la IA dentro de OpenEvidence

OpenEvidence es un sistema RAG, no un modelo médico ajustado (fine-tuned) implementado sin fundamentación. Cada respuesta se genera a partir de contenido de texto completo con licencia en lugar de un conjunto de entrenamiento estático. Esta distinción es importante para la precisión y para evitar alucinaciones: el sistema no puede afirmar con seguridad algo que no esté en su corpus con licencia, y cada afirmación muestra su cita de origen para que el médico pueda verificarla.

Quick Consult procesa preguntas clínicas directas, recuperando secciones relevantes del corpus con licencia y generando una respuesta sintetizada con citas, generalmente en menos de 10 segundos. DeepConsult es arquitectónicamente diferente: opera como un agente autónomo, descomponendo la consulta en subpreguntas, ejecutando múltiples pasadas de recuperación y sintetizando hallazgos de varios estudios en un ciclo de razonamiento de múltiples pasos. Esto toma varios minutos y produce un resultado sustancialmente más largo y matizado, comparable a la revisión bibliográfica de un médico residente de primer año.

La verificación médica se aplica mediante la búsqueda del Identificador Nacional de Proveedor (NPI). La plataforma no verifica a los médicos fuera de EE. UU. a través de este mecanismo, lo que crea fricciones de acceso para los usuarios internacionales y significa que la cifra de 757,000 usuarios representa casi exclusivamente al universo de médicos estadounidenses.

"He estado usando OpenEvidence durante la última semana, ¡ha sido increíble! Capaz de acotar los resultados rápidamente y encontrar información que no podía obtener con mis propias búsquedas en Google/PubMed." -- Dr. John Lee MD, Facultad de la Escuela de Medicina de Harvard, App Store, 2025

La fricción y las preocupaciones que los médicos siguen planteando

Es difícil discutir la trayectoria de crecimiento de OpenEvidence, pero el producto no está exento de limitaciones reales. Varios patrones se repiten en las reseñas y los comentarios clínicos.

Fiabilidad del servidor a gran escala. Con más de 20 millones de consultas al mes, la plataforma ha experimentado caídas y tiempos de espera agotados durante las horas clínicas pico. Múltiples revisores en la App Store describen sesiones que se cortan después de 1 a 3 preguntas durante los períodos diurnos de mayor actividad. A la escala en la que opera OpenEvidence actualmente, este es un problema de ingeniería estructural más que un fallo menor.

Brechas de precisión en subespecialidades. OpenEvidence publicita de manera destacada su puntuación del 100% en el USMLE. Un preprint de noviembre de 2025 publicado en medRxiv (Jagarapu et al., doi: 10.64898/2025.11.29.25341091) probó la plataforma en preguntas complejas de subespecialidades del conjunto de datos del examen de la junta MedXpertQA y encontró una precisión del 41% para Deep Consult y del 34% para Quick Consult. Para contextualizar, once modelos de lenguaje grande líderes probados en el mismo conjunto de datos obtuvieron entre un 14% y un 46%, por lo que la brecha refleja un problema difícil en todo el campo en lugar de un fallo específico de OpenEvidence. Pero sí significa que para los becarios de subespecialidades o los especialistas adjuntos que trabajan en casos límite, la herramienta es significativamente menos fiable de lo que implica su rendimiento generalista.

El modelo publicitario. El acceso gratuito a OpenEvidence se financia mediante publicidad de productos farmacéuticos y dispositivos médicos con CPM de $70 a $150, muy por encima de las tarifas digitales típicas. La empresa sostiene que el contenido clínico y los anuncios están estrictamente separados. Los críticos, incluidos académicos de información de salud y boletines independientes (Out-of-Pocket, Krafty Librarian), señalan que el caso de Practice Fusion sigue siendo una referencia de advertencia: esa empresa fue multada con $145 millones por integrar alertas de prescripción de opioides en su EHR que se activaron 230 millones de veces antes de la intervención. OpenEvidence no es Practice Fusion, y la política de publicidad de la empresa prohíbe explícitamente que los anuncios influyan en las respuestas clínicas. La preocupación es estructural: colocar anuncios farmacéuticos en el momento preciso en que un médico está decidiendo sobre un tratamiento crea una proximidad que es inusual en cualquier otro contexto de referencia médica.

Sensibilidad a las indicaciones (prompts). Los usuarios señalan que las preguntas clínicas vagas o mal formuladas devuelven respuestas superficiales. La plataforma recompensa el lenguaje clínico preciso, lo que favorece a los médicos experimentados sobre los estudiantes de medicina o residentes que aún están desarrollando sus habilidades para formular preguntas.

Lo que no hace. OpenEvidence no calcula dosis de medicamentos, no verifica interacciones entre medicamentos, no genera diagnósticos diferenciales ni produce documentación clínica. Estas capacidades requieren herramientas separadas. Para los médicos que necesitan un flujo de trabajo clínico integrado en lugar de una búsqueda bibliográfica, esto significa que OpenEvidence se sitúa junto a otras herramientas en lugar de reemplazarlas.

Para quién es OpenEvidence y quién debería usar otra cosa

OpenEvidence es ideal para médicos de atención primaria, hospitalistas, internistas generales y médicos de urgencias que necesitan respuestas rápidas y citadas a preguntas clínicas generalistas en el punto de atención o cerca de él. Funciona bien como el primer paso en un flujo de trabajo de preguntas clínicas: pregunte a OpenEvidence, obtenga una síntesis de la literatura citada y luego verifique o profundice si es necesario. Su gratuidad elimina cualquier barrera de acceso para los médicos de EE. UU., razón por la cual la adopción ha sido tan rápida.

Los estudiantes de medicina y los residentes se benefician de la fundamentación en la evidencia de la herramienta, particularmente para desarrollar el conocimiento de la literatura durante la formación. La transparencia de las citas muestra de dónde provienen las afirmaciones, lo que la hace educativa en lugar de ser solo un generador de respuestas.

La herramienta es menos adecuada para médicos adjuntos subespecialistas que trabajan en casos complejos en el límite de la literatura de su especialidad, donde los datos de precisión de diciembre de 2025 sugieren brechas de fiabilidad significativas. Tampoco es la herramienta adecuada para instituciones cuyos equipos de cumplimiento o ética tienen preocupaciones sobre la publicidad farmacéutica adyacente a la toma de decisiones clínicas, o para médicos fuera de EE. UU. que no pueden completar la verificación NPI.

Los médicos que necesitan apoyo en la dosificación de medicamentos, interacciones o diagnóstico diferencial deben combinar OpenEvidence con herramientas dedicadas en lugar de tratarlo como una solución completa de apoyo a la toma de decisiones clínicas. Para herramientas de IA centradas específicamente en el razonamiento clínico y la planificación de diagnósticos, Glass Health llena el vacío que OpenEvidence deja deliberadamente. Para una IA médica de propósito general con diferentes ventajas y desventajas, Hippocratic AI se centra en la comunicación de salud orientada al paciente en lugar del apoyo clínico al médico, una parte diferente del ecosistema de IA en el cuidado de la salud.