OpenEvidence是由期刊文章训练的多个模型协同工作的对话式AI，当医生有疑惑时可以像使用chatGPT一样和AI对话。OpenEvidence会检索学术文献并生成回答。为了避免产生幻觉，OpenEvidence只使用权威期刊作为训练数据而不会爬取互联网的内容。
OpenEvidence免费向经过认证的医生服务，一年内覆盖美国10%-25%的执业医生（约10万医生/月活跃用户），总活跃用户（含护士、医学生等）达30-40万/月，还有一些其他国家的用户。关于商业化路径，OpenEvidence规划的路线是由企业付费订阅，然后根据用户数据精准推送广告或其他医疗信息。红杉资本的合伙人Pat Grady给出了7500万美元的投资和10亿美元的估值。他的投资逻辑是：OpenEvidence绕过了传统医疗市场繁琐的采购流程，像消费品一样直接面相客户，而且用户增速快的罕见。
OpenEvidence并未披露具体使用了什么技术架构，但猜测可能是LLM+RAG和检索、重排序模型协同工作。匹配经过向量化的文献，然后根据引用次数、影响因子等指标进行排序。LLM经过文本训练后就可以完成语义理解的任务，但对大模型来说，如果不更新语料重新训练，那么在回答语料之外的问题时就可能不正确，因此由RAG协同工作。
RAG（检索生成）模型可以浏览外部知识来回答问题而不是在内部参数记忆中寻找答案。打一个比方，LLM就像完成了专业学科教育的学生，RAG就是给学生一本新书但是以开卷形式考试。这种架构的好处就是内部文档通过更小的信息源约束来提高生成内容的安全性和可靠性，还可以约束模型对生成的答案进行溯源，以便知道模型是依据哪些知识片段生成答案的。这是RAG的特点，也是OpenEvidence所宣称的产品特点：“信息可追溯性”。
OpenEvidence声称已经与NEJM Group达成内容合作，并且不会爬取互联网内容进行训练以确保内容专业度。
目前，如果某个药企或者器械公司需要推广新获批上市的产品，常见的做法是邀请领域内的专家和相关工作者参加学术会议，并在会议上展示最新的技术和疗效。然后是人工Sales实地拜访客户，把信息充分传递。
招聘网站talent和薪资调查平台Paylab显示一位Senior Sales的年收入在5万~10万美元之间。全球制药巨头罗氏的2024年财报显示其销售成本为162.83亿瑞士法郎，约为192.11亿美元。显然巨型药企不仅付得起订阅费用，甚至还有能力收购整个公司。大型药企默沙东就维护着MSD诊疗手册，还有专业版和面向患者的教育版，口碑非常好。
医疗市场专业性强，决策过程比较复杂。当完成一系列宣发和市场教育时，一切才刚刚开始。OpenEvidence的创始人说为了约见某位关键决策人可能要花费数周时间，等真正达成意向可能美国总统都要换届了。所以直接跳过传统的采购模式，以大众消费品的思路要打造一个真正优秀的产品，靠口碑在用户间自然传播。
这个模式有点类似全美最大的医生群体社交平台Doximity，Doximity除了提供专业社交功能还免费向个人用户提供数字化办公软件比如自动排班APP，目前已经覆盖了80%以上的美国医生群体。而药械公司付费订阅后可通过Doximity的网络向特定专科医生投放广告或、临床实验招募、举办线上学术活动以提升品牌形象和产品知晓率。
近日Doximity市值为115.2亿美元。据其2024年财报显示，Doximity广告收入达1.85亿美元，其中70%来自于定向广告和推荐内容。Doximity 2025财年（截至2025年3月31日）公司实现总营收5.704亿美元，同比增长20%。其中订阅收入5.438亿美元。2025财年净利润达2.232亿美元。
在内容上OpenEvidence则比较接近专业数据库/临床决策系UpToDate，类似一个搜索引擎，可以查询专家团队依据循证医学原则对最新文献和临床数据和真实的经验手工编写和审核的决策意见。也可以检索最新的文献、指南、临床数据。这个人工团队由来自全球50多个国家的8,000多名各领域专家组成。为了保证内容的中立和专业，UpToDate声明不会接受任广告和赞助。
UpToDate的主要盈利模式是B2B订阅制，客户是学校、医院和科研机构和少量个人用户，在美国有80%的覆盖率。母公司威科集团（AMS: WKL）市值约 330亿欧元（折合人民币约2600亿元），2024年营收约 58亿欧元，其中医疗板块贡献约30%的营收。按比例从母公司拆分的话就是约100亿欧元≈117.99亿美元市值。
类似的平台还有DynaMed。内容同样是由世界一流的医生和专家团队综合临床证据撰写，给经验不足的医生供分析和指导，协助临床决策过程。盈利模式同样是订阅制，年费为$399/年。所属公司EBSCO未公开市值，行业估算年收入约 $20亿美元。
就两个类似的产品来看市值都在百亿美元规模，目前的10亿估值也基本和目前的占有率所匹配。在与红杉合伙人Pat Grady的访谈播客节目中，创始人说：“美国很多私人诊所就像个体户，他们不像大医院那样能支付得起专业决策系统的年费”。
那么OpenEvidence未来能否像前辈那样价值百亿就在于如何保持住这10%~25%用户的留存的同时赢得剩余有支付能力的用户。与此同时在拥有庞大专家群体的UpToDate也积极跟进了AI，还在官网写下：
Not all Clinical Generative AI answers are created equal
并非所有医疗生成式AI之所答都同源同质
读过美国《独立宣言》看到这句话可能会会心一笑，在《独立宣言》语境中are created equal是“生而平等”。也许UpToDate想要表达品质，也许是在玩文字梗。
不仅UpToDate，RELX出版集团下的Elsevier作为学术期刊本身也推出了ScienceDirect AI工具。订阅制通用AI Claude不仅可以访问一众论文数据库，找不到论文是还敢于承认而不会编一个或者去吃网页上二手信息。
OpenEvidence能否战胜或者和UpToDate共存？这些UpToDate用户愿意使用一个可能推送广告而且内容由AI生成未经人工审核的产品吗？如果不能赢得这些用户，剩余的支付能力不足的用户又能为企业投放在OpenEvidence的付费广告带来多少转化率呢？
OpenEvidence 团队的研究论文《Do we still need clinical language models》证明专业化的小模型可以显著提升在医疗领域的准确性。
在一个名为Science For ME的慢性病论坛，网友们则认为它在回答 ME/CFS （肌痛性脑脊髓炎 / 慢性疲劳综合征）问题时存在偏见，他们更喜欢chatGPT这类通用型LLM和deepseek的回答。
|
https://imjszhang.github.io/datamind-gallery/artifacts/20250320_223828_1.html#overview
|
了解 逸思Space. 的更多信息
订阅后即可通过电子邮件收到最新文章。