國內(nèi)產(chǎn)品追趕OpenEvidence的步伐開始加速。

OpenEvidence憑借著短期內(nèi)覆蓋40%美國醫(yī)生群體的成績，讓國內(nèi)從業(yè)者意識(shí)到只有像OpenEvidence這樣融入醫(yī)生的工作生態(tài)，AI產(chǎn)品才更有可能獲得醫(yī)生和院方的認(rèn)可。因此，國內(nèi)眾多產(chǎn)品開始從醫(yī)生視角出發(fā)，在診療輔助和科研輔助這兩條道路上進(jìn)行發(fā)力，試圖用AI賦能，讓醫(yī)生從繁重而耗費(fèi)精力的循證過程中解放出來。

另一方面，國務(wù)院2025年8月份發(fā)布的《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》和11月國家衛(wèi)健委聯(lián)合五部委發(fā)布的《人工智能+醫(yī)療衛(wèi)生實(shí)施意見》中，明確提出在2027年，AI智能體等應(yīng)用普及率超過70%，并且在2030年將應(yīng)用普及率超90%，同時(shí)也提出了推動(dòng)臨床智能體應(yīng)用建設(shè)。

這些政策的潛臺(tái)詞是包括醫(yī)療在內(nèi)的多個(gè)領(lǐng)域，都將迎來一場“AI協(xié)同”的大變革。從2025年到2027年，再到2030年，每一個(gè)三年，都將是一次臺(tái)階式躍升。

中國醫(yī)療AI產(chǎn)品奮力追趕OpenEvidence

種種跡象表明，未來3年將是醫(yī)療AI發(fā)展的風(fēng)口浪尖，而在追趕OpenEvidence的過程中，有6款中國產(chǎn)品已經(jīng)率先起跑，未來將會(huì)如何發(fā)展值得期待。

01

中國醫(yī)生究竟需要什么？

追趕OpenEvidence就要讀懂它究竟為醫(yī)生做了什么。

OpenEvidence的破局點(diǎn)正是構(gòu)建了從數(shù)據(jù)源頭到結(jié)論輸出的全鏈路信任體系，這恰恰是之前中國醫(yī)療AI大模型較為稀缺的能力。這一實(shí)踐直指中國醫(yī)療AI的核心痛點(diǎn)，數(shù)據(jù)量足但質(zhì)差并且權(quán)威缺失。中國雖擁有全球最龐大的臨床數(shù)據(jù)，但疾病譜差異、數(shù)據(jù)標(biāo)注不規(guī)范導(dǎo)致高質(zhì)量數(shù)據(jù)匱乏，且多數(shù)模型缺乏頂刊級權(quán)威背書。

此外，OpenEvidence的成功之處在于將AI工具徹底融入美國醫(yī)生的工作流程之中，而非額外負(fù)擔(dān)。同時(shí)，OpenEvidence的定位并非替代醫(yī)生，而是提供證據(jù)支持+思路拓展，尤其在復(fù)雜病例與罕見病診療過程中展現(xiàn)價(jià)值。這種定位既避免了醫(yī)生過度依賴也規(guī)避了責(zé)任模糊。

那么，中國醫(yī)生的工作流中，究竟需要哪些幫助呢？

在診斷環(huán)節(jié)，當(dāng)遇到疑難病癥、罕見病或癥狀不典型的患者時(shí)，醫(yī)生需要查詢文獻(xiàn)來輔助診斷。在治療方案制定環(huán)節(jié)，對于疾病的治療，醫(yī)生需基于最新研究成果制定最佳方案。如腫瘤治療中，新的藥物和治療方法不斷涌現(xiàn)，醫(yī)生需查閱文獻(xiàn)了解其療效和安全性。在疾病預(yù)后評估環(huán)節(jié)，醫(yī)生需查詢文獻(xiàn)了解疾病的發(fā)展規(guī)律、影響預(yù)后的因素等，以向患者及家屬提供合理的預(yù)后信息，并制定相應(yīng)的干預(yù)措施。

除了診療工作，在科研工作上，醫(yī)生同樣要需要在循證工作上耗費(fèi)大量時(shí)間和精力。

例如在選題階段，醫(yī)生需廣泛查閱文獻(xiàn)，了解學(xué)科前沿動(dòng)態(tài)和研究熱點(diǎn)，以確定具有創(chuàng)新性和臨床價(jià)值的研究課題。后續(xù)研究設(shè)計(jì)階段，醫(yī)生需要對既往的文獻(xiàn)中已有的研究方法、技術(shù)路線和樣本量估算等進(jìn)行參考，以確保研究的科學(xué)性和可行性。在數(shù)據(jù)分析階段，醫(yī)生需借助文獻(xiàn)中的統(tǒng)計(jì)學(xué)方法和數(shù)據(jù)分析技巧進(jìn)行研究。最后在論文撰寫階段，還要引用大量文獻(xiàn)來支持研究背景、方法和結(jié)論等。醫(yī)生需花費(fèi)大量時(shí)間篩選、閱讀和整理文獻(xiàn)，確保引用內(nèi)容的準(zhǔn)確性和可靠性。

總的來看，中國醫(yī)生在診療和科研工作中，查詢文獻(xiàn)循證是一個(gè)貫穿始終且耗費(fèi)大量精力和時(shí)間的環(huán)節(jié)。醫(yī)生們迫切需要在繁瑣的文獻(xiàn)檢索、篩選、閱讀和評估工作中提高效率，讓他們有更多的時(shí)間和精力專注于臨床診療和科研創(chuàng)新。

那么醫(yī)生需不需要AI呢？要，但也別添亂。

醫(yī)生要的是一個(gè)能從上萬篇文獻(xiàn)、幾十種指南和上百個(gè)案例中，整理出最符合當(dāng)前病例所需的，并且用直觀的形式呈現(xiàn)出來，然后別自己下結(jié)論，由醫(yī)生做出決斷的產(chǎn)品。醫(yī)生可以容忍AI不懂一些問題，但不能拿出一個(gè)全是幻覺的答案。

正是因?yàn)榭吹竭@樣的實(shí)際需求，一些企業(yè)開發(fā)出能夠融合進(jìn)醫(yī)生工作流程中的AI工具，進(jìn)而建立起能夠結(jié)合本土醫(yī)療生態(tài)，以可信為基石、以臨床價(jià)值為導(dǎo)向的產(chǎn)品，讓AI為醫(yī)生工作效率的提升提供輔助。

02

中國式OpenEvidence的破局范式

■ 內(nèi)容資源決定能力上限

醫(yī)療AI的可信度根植于數(shù)據(jù)權(quán)威度，而核心內(nèi)容數(shù)據(jù)庫的構(gòu)建，正是當(dāng)前中國企業(yè)從技術(shù)追隨者向價(jià)值引領(lǐng)者跨越的首個(gè)障礙。從公共數(shù)據(jù)庫的免費(fèi)陷阱，到頂刊授權(quán)的天價(jià)門檻，再到商業(yè)合作的隱形枷鎖，每一道壁壘都考驗(yàn)著企業(yè)的戰(zhàn)略智慧與資源整合能力。

公共數(shù)據(jù)庫是醫(yī)療AI企業(yè)的入門級數(shù)據(jù)來源，其開放屬性降低了初始研發(fā)成本，但免費(fèi)背后暗藏的數(shù)量局限、質(zhì)量缺陷與使用限制，使其難以支撐更多實(shí)際應(yīng)用場景。在公共數(shù)據(jù)庫之外，頂級醫(yī)學(xué)期刊的核心內(nèi)容既有高昂的費(fèi)用壓力，又有嚴(yán)苛的合作條件。

看似豐富的資源卻存在顯著供需錯(cuò)配，比如公共數(shù)據(jù)庫的開放并非無邊界，其使用限制成為中國企業(yè)商業(yè)化的隱形門檻。部分國際公共數(shù)據(jù)庫采用科研優(yōu)先的授權(quán)原則，明確禁止用于商業(yè)化變現(xiàn)。而頂刊資源的內(nèi)容，即便屬于開放獲取文章，也需要遵守特定知識(shí)共享協(xié)議如CCBY-NC，并且部分商業(yè)用途受限。非開放獲取文章則需訂閱才能瀏覽全文，否則將只能看到摘要，部分資源用于AI訓(xùn)練還需要額外商業(yè)授權(quán)。此外，部分頂刊機(jī)構(gòu)對于合作還有諸多限制，如地域、應(yīng)用范圍和溯源責(zé)任等。

具體到中國醫(yī)療AI企業(yè)，則更加困難。

2025年4月4日,美國國立衛(wèi)生研究院NIH一紙禁令震動(dòng)全球科研圈。包括中國在內(nèi)的多個(gè)國家的科研人員被禁止訪問NIH旗下的核心生物醫(yī)學(xué)數(shù)據(jù)庫,包括人類基因型表型數(shù)據(jù)庫dbGaP、癌癥基因組圖譜TCGA、SEER癌癥數(shù)據(jù)庫等。PubMed數(shù)據(jù)庫也時(shí)有停更。

“還有就是成本問題，部分期刊一篇論文的單次瀏覽成本就要幾元?！币晃粡臉I(yè)者向動(dòng)脈網(wǎng)表示，“如果走OpenEvidence那種用戶端免費(fèi)路線，企業(yè)成本壓力巨大，但如果不構(gòu)建一個(gè)較為全面的數(shù)據(jù)庫，產(chǎn)品又不可能有競爭力?！币虼?，中國式OpenEvidence產(chǎn)品在具備一個(gè)可靠的內(nèi)容數(shù)據(jù)庫的同時(shí)，也需要一個(gè)合理的商業(yè)模式。

■ 數(shù)據(jù)庫搭建成為競爭關(guān)鍵

數(shù)據(jù)容量是中國式OpenEvidence產(chǎn)品搭建的基礎(chǔ)。

利用AI進(jìn)行醫(yī)學(xué)科研選題分析的靈犀EviMed，基于其約3800萬篇海外文獻(xiàn)的積累，AI系統(tǒng)根據(jù)選題的關(guān)鍵詞及其同義詞拓展，AI系統(tǒng)會(huì)生成10個(gè)科研選題，并對每個(gè)選題從科研價(jià)值、論文寫作難度、發(fā)表難度和可行性等多個(gè)維度進(jìn)行打分并生成分析報(bào)告。同時(shí)，基于對文獻(xiàn)的挖掘AI系統(tǒng)將自動(dòng)挖掘該選題的若干新興研究方向，并在選刊、學(xué)者和研究機(jī)構(gòu)進(jìn)行推薦。

6款中國AI醫(yī)療模型特點(diǎn)，據(jù)公開信息整理

定位為科研人員的效率倍增器與成果加速器的MedPeer，通過“科研工具+數(shù)據(jù)中心+論文寫作”的深度整合，讓科研人員從重復(fù)勞動(dòng)中解放。憑借其核心功能Deep Search整合全球近3億篇學(xué)術(shù)文獻(xiàn)資源，涵蓋文獻(xiàn)處理、數(shù)據(jù)可視化、格式優(yōu)化等高頻需求的科研工具模塊與為科研決策提供可靠支撐的數(shù)據(jù)中心模塊，讓醫(yī)生可以將精力放在探索未知、突破邊界，而非被“畫圖、找文獻(xiàn)、改論文”等瑣事消耗。

還有聚焦?？祁I(lǐng)域的豆蔻醫(yī)生超級助理，這是釘釘上首個(gè)針對醫(yī)生的專業(yè)AI應(yīng)用，能1分鐘整合全球超4000萬醫(yī)療文獻(xiàn)和國內(nèi)診療指南、共識(shí)并進(jìn)行全鏈路溯源，確保每一次輸出都有“數(shù)”可依、有“證”可循，為婦產(chǎn)科醫(yī)生提供可信的輔助決策。

可以看到千萬級的學(xué)術(shù)內(nèi)容數(shù)據(jù)已經(jīng)成為中國式OpenEvidence產(chǎn)品的入門競爭門檻。

■ 挖掘附加價(jià)值是重要商業(yè)化抓手

“數(shù)據(jù)庫的建立只是開始，如何基于數(shù)據(jù)庫構(gòu)建附加價(jià)值才是產(chǎn)品能否商業(yè)化落地的關(guān)鍵?！膘`犀醫(yī)療創(chuàng)始人王則遠(yuǎn)告訴動(dòng)脈網(wǎng)。

EviMed除了用循證功能和學(xué)術(shù)科研功能去幫助醫(yī)生完成本職工作外，也意識(shí)到這個(gè)過程中可以深入挖掘產(chǎn)品本身的附加價(jià)值。比如學(xué)術(shù)推廣，過去企業(yè)要做這個(gè)動(dòng)作需要非常多的環(huán)節(jié)，并且效果不佳，EviMed可以根據(jù)企業(yè)需求規(guī)劃出上百個(gè)學(xué)術(shù)證據(jù)進(jìn)行精準(zhǔn)推送。這一切的基礎(chǔ)就在于對醫(yī)生操作的深入解讀，醫(yī)生在使用EviMed時(shí)關(guān)注哪些領(lǐng)域哪些疾病哪些藥物，平臺(tái)就能根據(jù)這些畫像進(jìn)行精準(zhǔn)解析，并推送最新的學(xué)術(shù)進(jìn)展。這也讓企業(yè)的學(xué)術(shù)推廣有了更精準(zhǔn)的途徑。

目前，學(xué)術(shù)推廣收入已經(jīng)成為EviMed的主要營收來源。和EviMed類似，零假設(shè)也選擇了B端反哺C端、C端吸引B端的路徑。即先切入對內(nèi)容專業(yè)性、合規(guī)度要求高的頭部藥企，在為藥企提供AI工具及服務(wù)的過程中，積累高質(zhì)量的標(biāo)注數(shù)據(jù)、迭代算法，再將2C的“KnowS”模型及智能體推向醫(yī)生端。

可以看到，中國產(chǎn)品并沒有完全照搬OpenEvidence，但又抓住了它發(fā)展的本質(zhì)：圍繞可信數(shù)據(jù)的基礎(chǔ)上做文章。

值得注意的還有切入垂直領(lǐng)域的豆蔻醫(yī)生，它沒有選擇大而全的路線，而是聚焦在婦產(chǎn)科這種跨學(xué)科極強(qiáng)的科室，不僅文獻(xiàn)多同時(shí)來源分散（產(chǎn)前診斷領(lǐng)域每年新增超200萬篇文獻(xiàn)），并且患者個(gè)體化差異大，臨床證據(jù)組合難，判讀需要豐富經(jīng)驗(yàn)。豆蔻醫(yī)生從一線思維出發(fā)，精準(zhǔn)做出減法，不炫技而是做一個(gè)真正有臨床價(jià)值的工具。同時(shí)，接入釘釘直接嵌入醫(yī)生的工作流之中，也讓產(chǎn)品的商業(yè)化落地更為便利，在上線10天后，就有超300家醫(yī)療機(jī)構(gòu)主動(dòng)開通使用。

而百川M2Plus雖然有自己的“百小應(yīng)”應(yīng)用，但為了擺脫單一應(yīng)用的局限，選擇了通過API將六源循證推理能力標(biāo)準(zhǔn)化輸出，API面向醫(yī)院信息化部門、互聯(lián)網(wǎng)醫(yī)療平臺(tái)及醫(yī)療AI開發(fā)者，這也讓其客戶群體更加寬泛，無論是三甲醫(yī)院還是基層醫(yī)療機(jī)構(gòu)都更易觸達(dá)。同時(shí)，也可以憑借底層技術(shù)供應(yīng)商的定位，更容易嵌入醫(yī)院現(xiàn)有的系統(tǒng)之中。

還有將自身定位為“醫(yī)生最便捷的臨床決策工具”的醫(yī)渡臨床Copilot，它深度融合了醫(yī)療垂直大模型、動(dòng)態(tài)循證知識(shí)體系與院內(nèi)患者數(shù)據(jù)，通過循證校驗(yàn)解決AI模型“幻覺”問題，讓頂級證據(jù)一鍵溯源，確保決策建議的精準(zhǔn)性。更重要的是它能自動(dòng)對接患者數(shù)據(jù)，將醫(yī)學(xué)證據(jù)與當(dāng)前個(gè)體化病情無縫銜接，省去醫(yī)生手動(dòng)匹配證據(jù)與病例的繁瑣步驟，打通臨床應(yīng)用“最后一公里”。

總的來看，面對OpenEvidence以免費(fèi)模式+廣告收入驗(yàn)證的醫(yī)療AI商業(yè)模式，中國創(chuàng)新力量并未簡單復(fù)制，而是基于本土醫(yī)療體系特點(diǎn)，特別是基于B端主導(dǎo)的付費(fèi)邏輯，在診療輔助與科研輔助兩條路徑上形成了場景化深耕、專科化突破、生態(tài)化協(xié)同的集體破局模式。

盡管發(fā)展路徑有所不同，但總體而言中國醫(yī)療AI產(chǎn)品已經(jīng)形成三大共識(shí)，首先是數(shù)據(jù)權(quán)利至上，將政策合規(guī)從成本項(xiàng)轉(zhuǎn)化為競爭優(yōu)勢，實(shí)現(xiàn)"數(shù)據(jù)不出域"的本地化部署或私有云方案；其次是證據(jù)質(zhì)量分層，國產(chǎn)AI產(chǎn)品普遍采用"原始文獻(xiàn)→臨床指南→真實(shí)世界數(shù)據(jù)→專家共識(shí)"多源證據(jù)權(quán)重分配機(jī)制，通過PICO框架結(jié)構(gòu)化檢索與多輪交叉驗(yàn)證，將循證醫(yī)學(xué)方法論內(nèi)化為模型基因；最后是務(wù)實(shí)的商業(yè)模式，放棄OpenEvidence的免費(fèi)模式，全部選擇To B收費(fèi)，通過服務(wù)醫(yī)院、藥企等付費(fèi)能力強(qiáng)的機(jī)構(gòu)實(shí)現(xiàn)資金回流，避免陷入C端流量陷阱。

中國式OpenEvidence產(chǎn)品的核心理念，不在于復(fù)制一個(gè)免費(fèi)查詢工具，而在于將循證醫(yī)學(xué)能力原子化、標(biāo)準(zhǔn)化、基礎(chǔ)設(shè)施化，最終讓每位醫(yī)生、每個(gè)科研團(tuán)隊(duì)都能以可負(fù)擔(dān)的成本，獲得類似于國際頂級醫(yī)學(xué)中心的證據(jù)支持。這是一場關(guān)于醫(yī)療決策平權(quán)的持久戰(zhàn)，而非流量變現(xiàn)的閃電戰(zhàn)。未來3年，將是他們奮力狂奔的3年，誰能率先跑出我們拭目以待。

*封面圖片來源：123rf

如果您認(rèn)同文章中的觀點(diǎn)、信息，或想進(jìn)一步討論，請與我們聯(lián)系；也可加入動(dòng)脈網(wǎng)行業(yè)社群，結(jié)交更多志同道合的好友。

聲明：動(dòng)脈網(wǎng)所刊載內(nèi)容之知識(shí)產(chǎn)權(quán)為動(dòng)脈網(wǎng)及相關(guān)權(quán)利人專屬所有或持有。未經(jīng)許可，禁止進(jìn)行轉(zhuǎn)載、摘編、復(fù)制及建立鏡像等任何使用。文中如果涉及企業(yè)信息和數(shù)據(jù)，均由受訪者向分析師提供并確認(rèn)。