OpenEvidence 与约翰斯·霍普金斯医学达成合作：AI 医学教育如何守住“人”的底线

文/IAICA.NGO®

美国医疗人工智能公司 OpenEvidence 与约翰斯·霍普金斯医学（Johns Hopkins Medicine）于10月13日宣布达成战略合作，计划共同设计面向人工智能时代的医学教育模式，并开发以人为核心的临床决策支持系统。双方将这一合作定位为对医学教育范式的重新构想：在机器可以在数秒内调取海量医学知识的背景下，重新界定医生应当具备的能力结构。

合作框架：从课堂延伸到病床

按照公布的信息，合作围绕医学训练的几项核心原则展开：病理生理学的深入理解、循证医学方法、从第一性原理出发的临床推理，以及诊断技能与共情沟通能力。双方计划将这些原则嵌入新的教学模型，同时开发能够结合患者主诉、病史和约翰斯·霍普金斯医学既有诊疗规范，对最佳可得证据进行检索与综合的人工智能系统。这意味着合作不只停留在课程层面，还试图影响证据如何进入临床工作流。

一个多世纪前，约翰斯·霍普金斯确立了以科学训练与临床实践相结合的美国医学教育范式。此次由医学教育机构与人工智能工具提供商共同设计课程与系统，被外界视为对这一传统的再校准：技术不再只是教学辅助，而成为需要被系统讲授、审视和规范使用的专业能力。

“医生的 ChatGPT”是一种误读

OpenEvidence 常被类比为“医生的 ChatGPT”，但这一比较忽略了它在证据来源与使用场景上的专门化。该平台主要基于高质量医学教科书、期刊和研究文献进行检索与生成，答案附带可核查的文献引用；通用聊天机器人的语料范围更广，输出也更难追溯。对于涉及复杂合并症、药物相互作用和最新指南更新的临床场景，引用是否真实、是否切题，直接关系到工具能否被谨慎采用。

可靠性问题也因此成为讨论焦点。一项发表于 NPJ Health Systems 的研究考察了 OpenEvidence 在五个医学专科、150 个提示下生成的 4,979 条参考文献，未在样本中发现伪造引用。这一结果对减少“幻觉”具有积极意义，但其边界同样清晰：样本覆盖的专科和提示数量有限，参考文献真实存在也不等于其结论适用于具体患者，工具输出仍需由具备资质的临床医生结合病情判断。

Nadler 的技术与商业轨迹

OpenEvidence 创始人兼首席执行官 Daniel Nadler 为加拿大科技企业家，拥有哈佛大学博士学位。他于2013年联合创办 Kensho Technologies，将人工智能用于金融市场分析；该公司于2018年被 S&P Global 收购，交易金额据报道约为5.5亿美元。OpenEvidence 目前被描述为美国采用范围最广的医疗人工智能工具之一，其商业化路径与医疗专业信任之间的张力，也因此受到关注。

人本立场与责任分工

Daniel Nadler 表示，与约翰斯·霍普金斯的合作旨在让医学教育随技术同步演进，使学生能够有效使用人工智能，同时培养诊断直觉、临床判断与同理心。合作双方强调的以人为本设计，实际指向一个技术与责任的分工问题：系统负责把分散的证据集中呈现，医生负责解释、取舍并与患者沟通。

从行业角度看，此类合作的价值不仅在于工具部署，更在于评估方法的建立。医学人工智能的临床效益需要前瞻性研究、真实世界数据和明确的错误责任边界来支撑；在教学场景中，还需要回答学生过度依赖检索、临床推理能力被削弱的风险。iaica.com.cn 认为，医疗机构在与人工智能供应商合作时，应把可核查的引用、清晰的适用边界和医生最终决策权作为采购与课程设计的前置条件，而非事后补救。

约翰斯·霍普金斯医学与 OpenEvidence 尚未公布合作的具体课程安排、评估指标与时间表。可以确定的是，这场围绕机器能记住多少与医生应判断什么的讨论，已经从学术争论进入教学大纲与临床工作流的层面。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。