开首：至顶网欧美整片

遐想一下，一位20世纪50年代的医师正在诊疗一位症状复杂的患者。他会率先查阅微型器具书《华盛顿医学诊疗手册》，接下来又大开办公室里保存的冗长参考贵府《哈里森内科学旨趣》。由于仍然难下会诊，他又与共事们相干了这个病例，再上路赶赴病院的藏书楼中搜索关联期刊著作。

在扫数这个词20世纪，医师主要等于依靠这种姿色检索医学常识。但是几十年夙昔，信息总量激增，狡计机将常识实践数字化、互联网则连通了扫数这个词宇宙。到21世纪初，医师转向在线信息开首，率先通过台式电脑、随后则开动使用迁移开发。

现如今，医师们又多了更多常识检索决策。

医师们会频繁搜索PubMed及谷歌学术等数据库，翻阅UpToData主题摘要。有三分之二的从业者会使用MDCalc，这是一款带有各式决策维持功能的即时参考器具。此外，医师们还会调查专科合同网站、WebMD等医学网站，未必以至还会参考非医学类网站。

而东谈主工智能的大爆发再次改变了咱们获取常识的姿色。在本文中，咱们将一同了解AI科技若何匡助从业者在信息海浪中紧跟期间情势。

在信息海浪中紧跟期间情势

PubMed索引共包含3600万篇综述著作，何况以每年100万篇的速率络续加多——相配于每分钟新增两篇。谷歌学术上则包含约4亿篇论文、引文及专利，外加几千份临床履行指南。很赫然，莫得任何东谈主类医师粗略跟得上这么的常识更新速率。

在20世纪90年代初，爱重网球、极具前瞻性想维的哈佛医学院肾病大家Bud Rose博士曾尝试开发一款狡计机情势来搞定这个问题。这款情势粗略搜索并如期更新存储在软盘之上的临床“主题卡”，而由此建造的公司被他定名为UpToDate。

跟着主题数目的加多，存储介质也酿成了CD-ROM、互联网以及迁移开发。

如今，UpToDate也曾成为Wolters Kluwer Health的构成部分，其中约有8000名从属临床大家及60名副主编共同顺从同业评审的循证医学情势，开发并惊羡着涵盖25个医学专科的1.2万份临床主题摘要。

这款产物大获取手。现在来自约5万家医疗机构的近300万临床医师王人在通过机构订阅等体式使用UpToDate，面向个东谈主用户的年度订阅价钱则为579好意思元。

这份泰斗摘要大受宥恕当然有其原因。正如Wolters Kluwer Health首席医疗官Peter Bonis博士在采访中所言，“咱们所作念的一切，王人是为了匡助临床医师针对患者病情作念出最好决策。”

但是，由于其并不属于查询服务欧美整片，是以医师必须翻阅关联主题摘要才调为困扰我方的问题找到谜底。举例，UpToDate无法平直回答用户“若何诊疗小肠细菌过度繁殖？”的问题。相背，用户需要先搜索SIBO、选拔主题摘要，再浏览放手才调发现作家遍及推选利福昔明行为首选疗法。该公司敷陈称，用户交互的平均络续时分长达60秒。

UptoDate主题摘要示例

愚弄AI科技经管医学常识

UpToDate现在正为平台添加AI驱动搜索功能，以便用户不错平直从现存摘要中调查到有针对性且可一字一板查询的关联段落。其方向也绝顶明确，让产物愈加易用、恶果更高，同期幸免因引入AI生成实践而导致的诞妄。

OpenEvidence及Consensus等有利构建的新兴AI原生搜索引擎则经受了不同的阻隔情势。这些产物不会透露事前写好的主题摘要，而平直以动态体式复兴用户的查询。

这类搞定决策濒临的中枢挑战，在于若何确保其输出饱胀可靠以合适医疗履行的条目。生成式AI产物频繁会产生不够巩固的谜底。举例，谷歌Gemini大模子就曾犯下广为东谈主知的诞妄，建议东谈主们每天吃一块石头，事理是“石头是矿物资和维生素的蹙迫开首”。

这类“幻觉”在很猛进程上反馈了所谓“垃圾进、垃圾出”的问题。正如OpenEvidence公司首创东谈主Daniel Nadler对此作念出的解释，“网站索引并不是事实索引。”因此在扫数这个词互联网数据（包括来自Reddit及Onion网站的数据）之上熏陶而成的假话语模子，势必会产生不实信息。

Nadler创立的这家公司源自梅奥诊所的平台加速接洽，但愿通过确保仅从经同业评审的生物医学文件中招揽常识来笼罩这些问题。

当用户（必须身为临床医师）输入平淡或具体的问题（举例「关于买不起利福昔明的患者，我该若何诊疗小肠细菌过度繁殖？」）之后，OpenEvidence会在数百万份临床文档中识别出潜在的关联开首，包括对PubMed摘要、期刊著作全文、专著、竹帛章节等中的元数据进行索引。在此之后，它会根据查询的关联性、出书日历、期刊影响因子以及援用计数等成分选拔最泰斗的常识开首。临了，由假话语模子整理出带有援用开首辘集的摘要响应放手。

OpenEvidence正在医学领域马上传播。自本年1月以来，也曾有朝上25万名临床医师调查该网站，单在刚刚夙昔的11月就完成了近200万次查询。该产物主要靠告白维持运营，个东谈主用户不错免费使用。

另有一款名为Consensus的AI搜索引擎，涵盖医学以及生物学、环境科学等非医科学领域。此网站面向公众洞开，其中临床医师占用户总量的五分之一。在输入问题之后，Consensus就会整理谜底，同期辅以教训建议强度的“共鸣目标”（关于是/否类问题）。

OpenEvidence查询响应示例

衡量轻重

打个譬如，搜索PubMed或者谷歌学术就近似于向典籍经管员盘问特定主题的最好常识开首。UpToDate则更接近藏书楼中的突出保藏。在使用这些器具时，用户必须浏览大王人超辘集列表，遴选并阅读开首、再从中索取关联信息。通过这么的流程，用户需要破耗一些时分和元气心灵来迟缓了解某个主题，再根据我方掌捏的新常识尝试搞定特定问题。

与此不同，使用OpenEvidence或者Consensus等AI搜索则近似于平直向一位灵敏的诠释发问并收到带有参考贵府的谜底。其快速、便捷而且绝顶具体。个中的风险在于，某些“无庸置疑”的谜底可粗略不上置信圭臬或者缺少充分的布景信息。因此，临床医师必须全程络续跟进，并在必要时进行深远挖掘。

为此，咱们向两位超越的信息学医师盘问了他们对AI搜索的见地。

MDCalc首创东谈主兼急诊科医师Graham Walker博士警告称，“东谈主们关于自动化系统可能激励偏见的担忧值得蔼然——也曾有一部分医师默许这些器具比我方更灵敏，而这会迟缓减轻医师关于患者症状进行批判性想考的智商。”

在另一方面，腹黑病大家及信息学家Larry Klein博士则以为AI搜索具有权臣且隧谈的积极作用。他解释称，“我每天王人在使用OpenEvidence，向它问题，它就像随时坐在我身边的一位大家级共事。这项时刻毫无疑问具有改换性真理。”

但请注意，传统搜索与AI搜索其实各有效处，仅仅适用场景不甚交流。举例，接管急性冠状动脉详细征患者的入院医师可能会查阅UpToDate以了解诊疗原则，而一位超越的肾病学家也可能会搜索PubMed来参考肾小球肾炎诊疗观望中患者的特征。与此对应，在青霉素过敏的情况下，决定是否诊疗幽门螺旋杆菌感染的家庭照管则可向OpenEvidence查询以获取快速指示。

瞻望将来

调查发现，临床医师每宥恕两名患者，就会面对至少一个医学常识方面的问题——平庸触及症状产生原因或者疾病的诊疗情势。但是，医师们经常只可为半数问题找到谜底，主要等于因为莫得充足的查询时分。

AI搜索粗略加速信息传播速率来协助搞定这个问题。但是，这种新的行状姿色也突显出东谈主机经管、轻微鉴别与简易性、自动/手动处理以及潜在的机器诞妄/东谈主为诞妄之间的密切关联。咱们必须进展评估这些AI器具若何影响临床行状主谈主员及患者，致力保证其尽量阐述更隧谈的积极作用。

纵不雅行业历史，医师经管信息的姿色一直在变化何况备受蔼然。举例，当初曾有很多医师反对从医学教科书中学习常识，强调根据训戒回归心得才调让东谈主们进行愈加深远的想考。几十年后，又有东谈主“宝石以为医疗信息的数字化，防碍了有形纸质器具所承载的传统想维与理会履行。”

发展之路从来不行能一帆风顺。快速愚弄集体常识的智商既不错匡助医疗从业者更好地减轻病患悲凉、促进诊疗体验，也有助于减轻医师们的理会使命以保持更充沛的元气心灵与行状景况。

跟着各类新兴AI功能的出现，咱们应当将要点从回忆事实转向建议正确问题。尽管谜底的出现速率远远朝上历史上的任何时期，但大多数临床决策仍然缺少充足的已发表数据。因此，临床直观和训戒仍然绝顶蹙迫——与以往任何时候王人同等蹙迫！正如循证医学通达的前驱们解释的那样，“优秀的医师既善于愚弄个东谈主临床专科常识欧美整片，也正式对高质料外部笔据的参考，二者统筹兼顾、应当相得益彰。”