AI医疗圈炸了！又一家独角兽诞生！
话说，最近AI医疗圈又热闹了！一家名叫OpenEvidence的公司，今年2月刚拿到红杉资本7500万美元的投资，估值直接飙到10亿美元，摇身一变成了新的AI独角兽。这家伙，有点意思！
别看它干的是AI医疗的活儿，但OpenEvidence的玩法更像个互联网公司，走的是“农村包围城市”的路线。
别的AI医疗公司都忙着跟医院打交道（to B），OpenEvidence却瞄准了广大的医生群体（to C），直接免费开放给所有医生用，靠广告挣钱。这招，够狠！
更绝的是，OpenEvidence的用户增长也跟互联网公司一样迅猛。创始人Daniel Nadler透露，现在美国四分之一的医生都在用OpenEvidence，一年前这数字还几乎是零呢！这速度，简直是火箭升空！
难怪红杉资本的Pat Grady都说，OpenEvidence就像是披着AI医疗外壳的互联网公司，够形象！
OpenEvidence：AI时代的“老中医”？
OpenEvidence的界面有点像医疗版的ChatGPT，专门解决医生们遇到的各种疑难杂症。
简单来说，它能帮医生在海量医疗信息里，快速找到需要的知识，特别是那些罕见病、疑难杂症，有了它，医生诊断起来效率更高，更有底气！
跟其他AI产品不一样，OpenEvidence更接地气，不玩高大上的概念，直接服务医生。
为啥不去找医院合作？创始人Nadler说了，传统医疗产品进医院要经过层层审批，周期太长了。想象一下，要先花三个月约个大型医疗集团的高层开会，再花三个月找医院的“AI委员会”开会，万一遇到政策变动，那不就竹篮打水一场空了吗？
Nadler觉得，医生也是消费者，只要产品好用，能解决他们的痛点，他们自然会用，而且还会主动推荐。这跟特斯拉早期靠口碑营销一个道理！
说实话，Nadler这想法挺靠谱的。现在AI医疗领域，越来越多产品都开始直接服务医生，省去了中间环节，效率大大提高。
比如，AI医疗笔记产品FreedAI，专为独立执业的医生设计，不到两年时间，每天就有一万个付费医生使用，年收入达到1000万美元！
在商业模式上，OpenEvidence也更像互联网公司，不搞订阅制，直接免费开放，靠广告收入，迅速扩大用户群，这招够聪明！
OpenEvidence的成长轨迹也正如Nadler预期的那样。Nadler透露： “如果算上所有活跃用户，每月有 30-40 万人接触我们的系统，其中 20 多万医生会登录并提问。换句话说，美国大约10%-25%的医生，已经在某种程度上使用OpenEvidence了。”
也就是说，已经有1/4的美国医生在使用OpenEvidence，这增长速度，简直是开了挂！
红杉资本的Pat Grady认为，这种自然传播模式在医疗行业非常罕见，通常只在互联网产品中才能见到。OpenEvidence是怎么做到的呢？
OpenEvidence的“独门秘籍”
OpenEvidence的成功在于，它抓住了医生的一个痛点：医学知识更新太快，医生根本学不过来！
在美国，医生压力山大。人口不断增长，老龄化加剧，但医生数量却严重不足，医生们每天都忙得焦头烂额。
除了看病，他们还要花大量时间查阅期刊，确保自己掌握最新的治疗信息。但这太难了！
现在基本上每分钟就有两篇新的医学论文发表，医学知识更新速度快得惊人。OpenEvidence测算过，真正对医生有用的，往往是顶尖的期刊，按这个数量计算，医学知识每五年就会翻一倍！
这意味着，医生毕业后不久所学知识就会迅速过时。真是活到老，学到老啊！
当遇到复杂的病情，比如病人同时患有银屑病和多发性硬化症时，传统的医学信息检索工具（如PubMed和Google）很难直接有效地找到答案，因为这些关键信息通常隐藏在医学论文的深处。
这时候，OpenEvidence的价值就体现出来了。它能快速、准确地找到医生需要的答案，而且还能保证信息的准确性和透明度。
为了解决AI模型容易“胡说八道”（幻觉）的问题，OpenEvidence对训练数据要求非常严格，所有数据都必须经过同行评审的医学研究。
与大模型海量收集互联网数据不同，OpenEvidence反其道而行之，完全放弃了互联网上的健康博文或社交媒体内容，只用经过严格同行评议的医学文献进行训练。
除了FDA和CDC公开的医学文献，OpenEvidence还与《新英格兰医学杂志》等顶尖医学期刊建立了合作关系，确保信息的权威性。
OpenEvidence在架构上也没有选择只靠一个大模型，而是采用了多个模型组成的“集成架构”，每个模型负责不同的任务，比如检索、排序等。这样做的好处是，可以保证每个模型的专业性，提高效率。
创始人Nadler认为，与其追求庞大的通用模型，不如训练更小、更专业化的模型，在特定领域做到极致。
解决完了信息准确性，OpenEvidence还在信息透明度上下足了功夫。
医生在使用OpenEvidence时，可以直接查看答案的来源。也就是说，OpenEvidence不是简单地“压缩”期刊的内容然后输出，而是直接把流量送回期刊网站。这样一来，就形成了一个良性循环：医生找到了可靠的内容，医学期刊获得了流量，也愿意让我们收录他们的内容。
Nadler的设想是，AI医疗最大的潜力在于实现个性化医疗。AI可以把病人的所有具体情况与全球所有相关医学知识进行匹配，形成一个超个性化的治疗方案。到时候，活到120岁、130岁都不是梦！
OpenEvidence的启示
OpenEvidence的成功再次证明了两个道理：
一是垂直场景数据的价值。Norwest Venture Partners合伙人Scott Beechuk说，AI公司最深的护城河将由大型专有数据集创造。那些拥有独特的数据集，能训练或微调出自己的模型，才能在特定领域脱颖而出。
二是AI的价值不在于多厉害的测评数据，而在于能否抓住用户需求。现在，医生们并不期待AI能创造治疗癌症的奇迹，他们更希望AI能帮助他们自动化解决一些小问题。而这些真实需求，只有长期深入行业、充分理解临床工作流程后才能真正理解。
所以小编认为，AI医疗创业，别光想着颠覆，先想着怎么帮医生解决实际问题，这才是正道！
