以生成式 AI 驅動的醫學資訊平台 OpenEvidence，在美國醫界的採用速度已相當驚人。光是今年四月，約 65% 的美國醫師、橫跨近 2,700 萬次臨床接觸場合使用過它，換算下來，約有 65 萬名美國執業醫師正積極依賴這項服務。

哈佛醫療政策教授、美國麻州總醫院內科醫師 Anupam Jena 形容：「每個人都在使用它，它的成長是指數型的。」七個月前，這項工具在美國醫師之間的採用率還只有五成，如今已逼近三分之二，擴張之快前所未見。

為醫生省下在舊系統裡徒勞翻找的時間

OpenEvidence 的核心是一個 AI 驅動的醫學搜尋引擎，能梳理龐大的醫學研究資料庫，針對臨床決策或用藥選擇給出建議，並附上同儕審查論文與臨床指引的連結。

Jena 分析自 2024 年以來累積的 9,000 萬筆查詢指出，所有搜尋中有六成與臨床決策直接相關，也就是醫師輸入特定病患的條件、疾病狀況，詢問最合適的治療方式。

Jena 說，外科醫師精通手術，但面對病患血壓或心跳偏高時，未必確定能否停用某種藥物，OpenEvidence 正好填補了這類「非本科訓練範圍」的縫隙。一名新罕布夏州的初階醫師就在病患血鉀驟降時，用 OpenEvidence 確認那只是常見的藥物副作用而非緊急狀況；南達科他州一位醫師則靠它判斷脊椎骨折該用 X 光還是電腦斷層確診。

掌管美國最大醫療系統、督導逾 2,500 名醫療人員的 Sanford Health 醫療長 Jeremy Cauwels 說，OpenEvidence是少數「極易上手」的工具，不僅免費，還可以在手機上順暢運作，回答問題的速度遠勝其他方法。

位於美國麻薩諸塞州波士頓布萊根婦女醫院的感染科醫師 Paul Sax 直言，OpenEvidence 根本是奇蹟，他指出傳統參考工具實證醫學資料庫 UpToDate，對於有具體情境問題的醫師而言難以精準搜尋；而 OpenEvidence 的搜尋「毫無摩擦」，因為大型語言模型讓使用者不必拼湊關鍵字，直接用問題本身發問即可。

準確度爭議依然存在，「邊緣案例」偶爾會出錯

不過光鮮的普及數字背後，準確度的爭議始終存在。OpenEvidence 大力宣傳它在美國醫師執照考試（USMLE）拿下 100% 準確度，然而一份去年十二月發表的學術研究卻發現，面對較複雜的醫學問題時，它的正確率不到 45%。

這兩個數字之間的巨大落差，提醒著使用者考試表現與真實臨床複雜度之間的鴻溝。

多數受訪醫師對它在一般問題上的高準確度感到意外，但也明確指出，它在罕見疾病或「邊緣案例」上偶爾會出錯或誇大。

不少醫師注意到，它有時會從樣本數極小的研究中導出過度強烈的結論。紐約市急診醫師 John Rozehnal 舉例，系統曾誤判某種藥物注射可能傷害病患肝臟，但實際上該風險極低，更可能的肇因是病患本身的酗酒，所幸數週後系統已修正了這個答案。

值得注意的是，即便出錯，它的偏誤也傾向於保守謹慎的一側。

隱私問題則是另一個模糊地帶。OpenEvidence 說自己符合美國的聯邦健康隱私法 HIPAA，醫療機構可以安全地把病患可被識別身分的健康資訊輸進去。但不是每家醫院都信這套，以 MaineHealth 為例，它就直接要求自家醫師別把病患的可識別資訊打進 OpenEvidence 裡。

部分受訪醫師坦言，他們在個人裝置上使用時會輸入病患的年齡、性別與病史，但避免輸入姓名等可識別身分的資訊。OpenEvidence 本身在服務條款中也說明，它旨在「輔助而非取代」醫師判斷，無意作為診斷服務或替代合格醫療人員的臨床判斷。

用了 OpenEvidence，醫療品質真的有變好嗎？

對資深醫師來說，用多年看診累積的經驗，讓他們有底氣去檢驗 AI 給的答案對不對。密西根大學內科醫師 Cornelius James 說，他清楚該怎麼問 OpenEvidence 才問得到重點，也懂得拿它的回答跟自己的經驗和直覺對照一遍，所以他並不擔心病患安全會出問題。

真正讓人擔心的，是還沒練出這種判斷力的菜鳥醫師和醫學生。NBC News 訪問的好幾位醫學生，都會用它來準備功課、討論病例。James 無奈地說，醫學院還沒教學生怎麼安全地用這類工具，但工具進步的速度又太快，讓人很不安。

另一方面，醫院還得面對「影子 AI」問題。西奈山醫療系統（Mount Sinai Health System）的 AI 負責人、腎臟科醫師 Girish Nadkarni 表示，醫院常常只看到冰山露出水面的那一角，但水面下，其實一大堆醫師都在用自己的裝置偷偷用 AI 工具。

不過，最關鍵的問題到現在還是沒人能回答：用了 OpenEvidence，醫療品質真的有變好嗎？

這工具紅起來的時間太短，幾乎沒有什麼嚴謹的研究真正去查它對病患結果到底有沒有幫助。對此，劍橋健康聯盟的健康資訊長 Hannah Galvin 等研究者，正試圖填補這道證據鴻溝，探究這些工具在不同族群中是否做出公平、有效、公正且安全的決策。

如何正確使用醫療 AI 工具應納入醫學院課綱

OpenEvidence 的普及速度，超過了過去任何一項醫療科技的前例。當一項工具能在不到兩年內讓近三分之二的美國醫師自願採用，「禁止」早已不是其中的選項。

真正該被認真討論的是如何建立一套安全使用的框架，包括什麼情境適合依賴它、什麼答案必須回頭查證、可識別的病患資訊該不該輸入，這些界線都需要明確的規範來劃定。

此外，資深醫師有經驗作為防線，但若年輕醫師從受訓之初就習慣讓工具代勞，那些原本該靠時間磨出來的判斷力恐怕還沒長成就先萎縮。

這意味著醫學教育必須同步跟上，把「如何批判性地使用 AI 工具」正式納入課程，教醫學生怎麼問對問題、怎麼辨識可疑的答案、怎麼在信任與查證之間拿捏，而不是任由他們自行摸索。

另外，OpenEvidence 目前靠廣告獲利，其中不乏藥廠與醫療器材公司的廣告。即便受訪醫師多半表示這些廣告不顯眼、甚至幾乎察覺不到，干預程度看似很低，但一個由藥廠資助、又直接介入醫師用藥決策的平台，本質上就潛藏著利益衝突。工具迭代更新太快，而人與制度必須努力追上。

本圖/文由「Techorange科技報橘」授權刊登，非經同意不得任意轉載。
原文出處：兩年覆蓋三分之二美國醫界，AI 醫學資訊平台 OpenEvidence 的崛起與隱憂