ה-AI של OpenEvidence נכנס למערכות העבודה של הרופאים

רופא באמצע תור מטופלים שואל שאלה על ניהול הטיפול — ומקבל תוך שניות תשובה מסודרת, עם ציטוטים ממאמרים ב-New England Journal of Medicine ומחוזרים של גופים מקצועיים. זה כבר לא דמו שמוקרן בכנס; זה כלי שנכנס לעבודה היומיומית של רופאים, ועכשיו גם לתוך המערכות שבהן הם עובדים.

בשבוע שעבר הכריזו שתיים ממערכות הבריאות האקדמיות הגדולות בארה״ב — Johns Hopkins Medicine ו-Northwestern Medicine — על שיתופי פעולה מורחבים עם OpenEvidence, שמספקת מה שהיא מכנה ״AI copilot for doctors״. שתי ההכרזות מכוונות לאותה מטרה: לתת לצוותים הקליניים גישה מהירה יותר למחקר רפואי ולהנחיות טיפול מבוססות ראיות.

מה זה OpenEvidence, ולמה רופאים כבר שם

OpenEvidence היא חברה ממיאמי שפיתחה פלטפורמת מידע קליני שמבוססת על large language models. הרעיון פשוט יחסית: הרופא מקליד שאלה קלינית בטקסט חופשי, והמערכת מסנתזת תשובה שמגיעה עם ציטוטים לכתבי עת מבוקרים ולחוזרים של אגודות מקצועיות — למשל New England Journal of Medicine, Journal of the American Medical Association ו-National Comprehensive Cancer Network.

לפי מחקר שפורסם ביום חמישי ב-JAMA, בין ינואר 2024 ליוני 2026 יותר ממחצית מכל הרופאים הפעילים בארה״ב שלחו לפלטפורמה 271 מיליון שאילתות קליניות. קחו רגע לעכל את המספר הזה: 271 מיליון שאלות שנשאלו על ידי רופאים אמיתיים על מקרים אמיתיים — לא בפיילוט סגור, אלא בשימוש רציף.

עוד באותו מחקר: רופאים בתחילת הקריירה, מומחי אונקולוגיה והמטולוגיה, ורופאי רפואה פנימית ורפואת משפחה שלחו שיעור שאילתות גבוה מהממוצע. טיפול וניהול המחלה היוו 33% מהשאלות — אחת מכל שלוש — ואבחון כמעט 14%.

Northwestern שמה את זה בתוך ה-Epic

Northwestern Medicine, שפועלת משיקגו, משלבת את OpenEvidence ישירות לתוך מערכת הרשומות הרפואיות האלקטרונית Epic. דובר מטעם Northwestern Medicine הסביר שרופא יכול להשתמש בזה כדי לבדוק את ההנחיות העדכניות הקשורות למצב של מטופל, לחקור ראיות שיעזרו לבנות תוכנית טיפול, או לשאול שאלה קלינית ולקבל תשובה עם ציטוטים לספרות הרפואית.

זו לא תזוזה טכנית שולית — זה ההבדל בין ״עוד טאב בדפדפן״ לבין כלי שנמצא באותו מסך שבו הרופא כותב את התיעוד. גופים נוספים, ובהם University of Texas Medical Branch, כבר הודיעו על שילובים דומים של OpenEvidence במערכות EHR.

Johns Hopkins משנה את החינוך הרפואי

ב-Johns Hopkins Medicine שמים דגש קצת אחר: שיתוף הפעולה מתמקד בפיתוח כלי AI לטיפול קליני ובתכנון מחדש של החינוך הרפואי, כדי להכין את דור הרופאים הבא לעבוד בסביבה שיש בה AI. הארגונים מתכננים לפתח מה שהם מכנים ״human-first AI systems״, שמשלבים מחקר רפואי, היסטוריה רפואית של מטופלים ושיטות עבודה קליניות מומלצות.

איפה הסיכונים

המגמה ברורה: ה-AI הגנרטיבי הרפואי עובר מעוזר מחקר עצמאי לטכנולוגיה ששקועה בתהליכי העבודה הקליניים ובחינוך הרפואי, ומשפיעה על החלטות טיפול. יחד עם המעבר הזה מגיעות גם שאלות של ממשל AI, פרטיות מטופלים ואבטחה.

עורכת הדין Lee Kim, שעומדת כיום בראש Keytera — ייעוץ לאבטחת סייבר, פרטיות וממשל AI — ולשעבר יועצת פרטיות ואבטחה במשך שנים רבות ב-HIMSS, אומרת שהכנסת לימודי AI לתוכנית של בתי הספר לרפואה היא התפתחות חשובה, אבל רופאים חייבים גם לטפח יכולת להעריך באופן עצמאי את ההמלצות שה-AI מייצר. לדבריה, ״הידע, החשיבה הביקורתית, היכולות האנליטיות והשיפוט העצמאי של הסטודנטים צריכים להתחזק דרך שימוש אחראי בכלי AI — לא להצטמצם או להיות מוחלפים״.

Kim גם מצביעה על הפוטנציאל: שילוב של מומחיות הרופא עם המלצות AI יכול לשפר החלטות קליניות, במיוחד כששני הצדדים מזהים טעויות שונות באופן בלתי תלוי. ״כשמסתכלים על ההסתברויות, שילוב של מומחיות אנושית עם AI יכול להוביל לתוצאות טובות יותר״, היא אומרת. אבל — וזה אבל גדול — התנאי הוא שהרופא יוכל להעריך את ההמלצה בביקורתיות במקום לקבל אותה באמון עיוור. הדאגה הגדולה שלה: ״שרופאי העתיד יהפכו תלויים מדי ב-AI בלי לפתח מספיק ידע, מיומנויות ושיפוט כדי לזהות מתי ה-AI טועה״.

בפועל היא ממליצה לגופים רפואיים להיזהר מ-Automation bias — הנטייה לקבל אוטומטית את הפלט של המכונה — ולקבוע פרוטוקולים שכוללים בדיקה נוספת בידי אדם מוסמך. ״AI יכול להיכשל. הוא גם יכול לטעות״, היא אומרת.

גם ציטוט לא מבטיח נכונות. Krista Arndt, CISO של St. Luke's University Health Network, שמפעילה בתי חולים ומרפאות בניו ג׳רזי ופנסילבניה, מזהירה שארגונים רפואיים עדיין צריכים לאמת שהמלצות ה-AI משקפות במדויק את הראיות שמאחוריהן, ושהמערכת ממשיכה להתנהג כפי שמצפים ממנה לאורך זמן.

מה זה אומר בשורה התחתונה

השילוב בתוך Epic והשינוי בתוכנית הלימודים מסמנים את הרגע שבו כלי AI קליני מפסיק להיות תוספת חיצונית והופך לחלק מהתשתית. השאלה הבאה היא כבר לא אם להשתמש בזה, אלא איך לבנות סביב זה תהליך עבודה שקולט טעויות לפני שהן מגיעות למטופלים.

שורה תחתונה: הציטוטים מרשימים, אבל אף אחד מהם עדיין לא חתם על ההפניה.