中国医疗AI产品加速追赶OpenEvidence

国内医疗AI产品正加速追赶国际标杆OpenEvidence的步伐。

OpenEvidence凭借短期内覆盖美国40%医生群体的成绩，让国内从业者意识到，只有像OpenEvidence那样融入医生工作生态的AI产品，才能获得医生和院方的认可。因此，国内众多产品开始从医生视角出发，在诊疗辅助和科研辅助方面发力，试图用AI赋能，让医生从繁重而耗费精力的循证过程中解放出来。

国务院在2025年8月发布的《关于深入实施“人工智能+”行动的意见》和11月国家卫健委联合五部委发布的《人工智能+医疗卫生实施意见》中，明确提出到2027年AI智能体等应用普及率超过70%，并在2030年将应用普及率超90%，同时推动临床智能体应用建设。

这些政策预示着包括医疗在内的多个领域将迎来一场“AI协同”的大变革。从2025年到2027年，再到2030年，每三年都将是一次台阶式跃升。

中国医疗AI产品正奋力追赶OpenEvidence，未来三年将是发展的风口浪尖。已有六款中国产品率先起跑，其未来如何发展值得期待。

中国医生的需求何在？

要追赶OpenEvidence，首先要理解它为医生做了什么。OpenEvidence的破局点在于构建了从数据源头到结论输出的全链路信任体系，这正是之前中国医疗AI大模型所稀缺的能力。这一实践直指中国医疗AI的核心痛点：数据量足但质差且权威缺失。尽管中国拥有全球最庞大的临床数据，但疾病谱差异、数据标注不规范导致高质量数据匮乏，且多数模型缺乏顶刊级权威背书。

此外，OpenEvidence的成功之处在于将AI工具彻底融入美国医生的工作流程中，而非额外负担。同时，其定位并非替代医生，而是提供证据支持+思路拓展，尤其在复杂病例与罕见病诊疗过程中展现价值。这种定位既避免了医生过度依赖也规避了责任模糊。

那么，中国医生的工作流中究竟需要哪些帮助呢？

在诊断环节，遇到疑难病症、罕见病或症状不典型的患者时，医生需要查询文献来辅助诊断。在治疗方案制定环节，医生需基于最新研究成果制定最佳方案。在疾病预后评估环节，医生需查询文献了解疾病的发展规律、影响预后的因素等。此外，在科研工作上，医生同样需要在循证工作上耗费大量时间和精力。

总的来看，中国医生在诊疗和科研工作中，查询文献循证是一个贯穿始终且耗费大量精力和时间的环节。他们迫切需要提高文献检索、筛选、阅读和评估的效率。

中国式OpenEvidence的破局范式

内容资源决定能力上限

医疗AI的可信度根植于数据权威度，而核心内容数据库的构建是中国企业从技术追随者向价值引领者跨越的首个障碍。从公共数据库的免费陷阱到顶刊授权的天价门槛，再到商业合作的隐形枷锁，每一道壁垒都考验着企业的战略智慧与资源整合能力。

公共数据库是医疗AI企业的入门级数据来源，但其开放属性降低了初始研发成本，同时数量局限、质量缺陷与使用限制使其难以支撑更多实际应用场景。而顶级医学期刊的核心内容既有高昂的费用压力又有严苛的合作条件。

具体到中国医疗AI企业则更加困难。例如，美国国立卫生研究院NIH在2025年4月4日发布的禁令震动全球科研圈，包括中国在内的多个国家的科研人员被禁止访问其核心生物医学数据库。

数据库搭建成为竞争关键

数据容量是中国式OpenEvidence产品搭建的基础。例如，灵犀EviMed利用AI进行医学科研选题分析，基于其约3800万篇海外文献的积累生成科研选题和分析报告。MedPeer则通过“科研工具+数据中心+论文写作”的深度整合为科研人员提供高效支持。

挖掘附加价值是重要商业化抓手

“数据库的建立只是开始，如何基于数据库构建附加价值才是产品能否商业化落地的关键。”灵犀医疗创始人王则远表示。

EviMed除了用循证功能和学术科研功能帮助医生完成本职工作外，还深入挖掘产品本身的附加价值。例如通过学术推广服务为企业精准推送学术证据。

总的来说中国产品并未完全复制OpenEvidence的模式但抓住了其发展的本质：围绕可信数据做文章。尽管发展路径不同但总体而言已达成三大共识：数据权利至上、证据质量分层和务实的商业模式。