No Priors 第130期｜对话 OpenEvidence 创始人 Daniel Nadler

摘要

• OpenEvidence 表示，自己在18个月内成为美国医生默认的临床知识系统，约40%的医生每日使用，使用量约为第二大临床决策支持平台的20倍。 Daniel Nadler 将这一增长置于 AI 对采用周期的“加速与压缩”之中，但对投资者真正重要的突破在于分发：免费的专业工具如今可以以消费互联网的速度渗透医疗行业。

• 该产品将一段段落长度的患者病情描述转化为对3500万篇生物医学文献的语义搜索，再找出真正与病例相关的3至5项试验、指南或段落。 Nadler 举例说，一名44岁、患有银屑病和 MS 的女性，使用 IL-17 抑制剂可能加重 MS，而 IL-23 抑制剂安全且耐受性良好。「你只有一次机会把它做对」（“You have one shot to get it right.”）。

• OpenEvidence 通过把自己定位为医生使用的搜索引擎，而不是面向患者的自主答案引擎来建立信任。 它呈现相互冲突的证据，把引用视为“一等公民”，并将医生引向 The New England Journal of Medicine、JAMA 等来源。这份社会契约类似 Bloomberg 终端：专业人士仍需负责追问和核验证据。

• OpenEvidence 的市场切入关键，是把医生当作消费者，而不是“医疗系统的附属品”。 Nadler 称其为“一家伪装成医疗公司的消费互联网公司”：医生把免费 App 下载到自己拥有的手机上，而 Mayo Clinic、Cleveland Clinic、UCSF、MGH、Mount Sinai 等大型医疗系统的高层都属于高频用户。

• 生物医学知识爆炸式增长，使持续决策支持从可选项变成了结构性需求。 1950年，医学引用量每50年翻倍；如今一项已发表的估算认为这一周期已缩短至73天，而 OpenEvidence 刻意保守的前四分之一计算结果也显示周期只有5年。即便只读本专业前10%的文献，每天也需要约9小时，医学教育因此必须转向终身学习。

• Nadler 希望 AI 增强医生能力、分发专科判断，而不是让医生退出决策环节。 他以飞机可以自动降落、却仍保留飞行员为例，并将 OpenEvidence 描述为可规模化的“临床会诊”。佐治亚州农村地区一名肿瘤科医生，是50英里范围内2名肿瘤科医生之一，服务于一个75%为非裔美国人、家庭收入中位数为4.3万美元的人口群体；他把 OpenEvidence 当作自己的同事顾问团。

• 在预防性健康领域，Nadler 认为熟悉的行为比新颖的技术答案更有杠杆。 他对日本的观察集中在70岁、80岁的人每天走1万至1.5万步，继续从事有明确目的的工作，并吃到七八分饱。他也保留了必要的限定：遗传因素依然强大，但持续的身体和认知活动可以缓解部分风险。

• Nadler 的创始人模式，将强迫式动机置于原创性或复杂管理体系之上。 他称 OpenEvidence 是“全世界最显而易见的想法”，否定“只要做出来，用户自然会来”的简单叙事，并招聘那些本身就拥有内在“推进系统”的极聪明人才。他理想中的管理姿态是“别挡他们的路”。

精读

1. OpenEvidence 把高风险医疗变成了语义搜索问题

• Nadler 开场时的限定是：过去需要5年或10年的 AI 采用周期，如今压缩到1年或2年。OpenEvidence 借势而起，据他所说，在约18个月内成为“临床知识操作系统”，使用量约为第二大临床决策支持平台的20倍。

• 临床支持与文书处理或听写有本质区别：行政错误可以纠正，但面对患者时，“你只有一次机会把它做对”。Nadler 引用了医疗错误是美国第三大死因这一常被重复的说法，随后指出它低估了非致命伤害：病情恶化但没有死亡的患者，可能是死亡患者的10至100倍。

• 他举出的病例是一名44岁、患有中重度银屑病和 MS 的女性。一个在2019年 IL-23 抑制剂获 FDA 批准前接受培训的皮肤科医生，必须跨专科作出选择：Nadler 表示，IL-17 抑制可能加重 MS，而 IL-23 抑制安全且耐受性良好——这正是关键词搜索容易漏掉、却后果重大的区别。

• 因此，完整的患者病史就是查询内容。OpenEvidence 对其进行语义解读，搜索3500万篇生物医学文献，并找出能够直接回应问题的3至5项试验、指南或摘录——即便决定性细节藏在随机对照试验的方法学或受试者人群部分，而不是摘要中。

2. 产品通过引导用户追溯证据，而非直接下结论来赢得信任

• 只向医生开放，是 Nadler 反复考虑过、却始终没有改变的战略选择。用户姓名后的 MD 后缀意味着问责：就像交易员看到 Bloomberg 上明显错误的债券报价，医生也应当发现异常、检查来源，并运用专业判断。

• 当证据相互冲突时，OpenEvidence 会标出这种不确定性，并把用户引向 The New England Journal of Medicine 和 JAMA 上相互矛盾的两项 3 期随机对照试验。“它从来不是以答案引擎的形式呈现。它一直都是以搜索引擎的形式呈现。”这一差别定义了产品界面，也让医生留在决策环节中。

• 在 ChatGPT 开始提供引用前6个月或9个月，引用就已经是“一等公民”。Elad 说，查看原始材料几乎是用户的默认行为。他把 OpenEvidence 描述为 NEJM 仅次于 Google 的最大引流来源之一：医生知道输入来自领先医学期刊，而不是“推文”——临床版的“输入什么，输出什么”。

3. 把医生当消费者，打破了分发瓶颈

• Nadler 说自己“完全没兴趣打造一家医疗公司”；他的做法，是为知识工作者打造一家消费互联网公司。Sequoia 的描述准确概括了他的意图：OpenEvidence 是“一家伪装成医疗公司的消费互联网公司”。

• 医生过去一直被当作医疗系统的附属品，尽管他们才是作出高风险决策的“战斗机飞行员”。OpenEvidence 直接面向医生，把他们视为可以将免费 App 下载到自己手机上的个人用户。如今，这一个人用户模式已经覆盖 UCSF、MGH、Mayo Clinic、Cleveland Clinic、NewYork-Presbyterian、Mount Sinai 和 Cedar Sinai 的高层领导。

• Elad 的问题触及一个担忧：医疗信息把关可能让患者无法获得有用信息。Nadler 支持患者自主权，也支持医生制作患者材料，但警告不要让患者进行不受约束的解读：他直到在 Harvard 上第一门研究生统计学课程时，才理解临床试验；而对同时患有另一种共病的患者而言，疗效可能取决于一个会被恐惧或希望遮蔽的 p-value。

4. 当知识增长速度超过人的带宽，医学教育必须反转

• 1950年，以引用量衡量的医学知识每50年翻倍；Nadler 引用 British Medical Journal 的估算称，如今每73天翻倍，同时质疑该估算是否纳入了全部出版物。OpenEvidence 更保守的计算只看同行评审文献的前四分之一，但仍得出5年的翻倍周期。

• 如果进一步把要求限定为医生自身专科文献的前10%，每天仍需阅读约9小时。即便现实负担是3小时或4小时，结论也不会改变：继续教育必须成为医学教育的主体，而不是毕业后的“装饰性”补充。

• Nadler 说，顶尖医生往往表示，他们在医学院毕业后、甚至在住院医师培训或专科培训之后，才学会了实际工作内容的90%至95%；一名70岁的医生告诉他，自己当前实践的大部分内容都是过去2年学会的。他指出 Mayo、Cleveland Clinic 和 UCSF 正在推动前沿做法，鼓励循证医学、“临床会诊”以及分布式的“蜂群式智慧”。

5. AI 可以扩大会诊范围，但不必让医生退出

• Nadler 称当前技术时刻可能已经接近“奇点事件视界”，因此对10年或20年后的预测并不可靠。但飞机早就可以自行降落，也没有因此形成大规模取消飞行员的运动。当主持人指出人们已经在与聊天机器人建立关系时，Nadler 的回答是：“它们还没有身体。”具身化的信任仍然重要。

• Nadler 认为，2025年面对复杂患者的正确医疗方式，应当是由心脏科医生、神经科医生、肿瘤科医生和其他专科医生共同作出判断。约束来自经济和现实条件：3名或4名专科医生的成本高于1名，而肿瘤医生的供给并没有随着治疗选项的扩张而加速增长。

• OpenEvidence 可能在医疗一线近似这种分布式判断。Nadler 说，医生在每个州、每个县和每个 ZIP code 都在使用它，包括阿拉斯加农村地区和佐治亚州西南部。一名医生写道，自己是50英里范围内2名肿瘤科医生之一，服务于一个75%为非裔美国人、家庭收入中位数为4.3万美元的人口群体；他把产品当作自己的“临床会诊”。

6. 预防性健康仍主要取决于行为和文化

• Nadler 所说的“并不流行、也不政治正确的答案”是：不存在一份尚未被发现的预防性健康清单。在日本，他看到老年人每天走1万至1.5万步，工作到70岁、80岁，拒绝把退休奉为人生终极目标，并吃到七八分饱；他强调的行为就是目标感、运动、饮食和控制分量。

• 在文化层面，Nadler 说，政治文化曾让医生无法直截了当地谈论证据，而现在钟摆正转向更开放的讨论，不再完全被身份政治主导。谈到神经退行性疾病时，他承认遗传因素很强，但表示没有严肃的神经科医生会否认持续使用大脑具有缓解作用；他引用 Sanjay Gupta 的例子，例如偶尔用另一只手写字，以此形成新的神经通路。

7. 创始人的表现来自推进力，而不是对想法的崇拜

• 医生采用 OpenEvidence 所揭示的可迁移经验，首先是心理层面的：把知识工作者当作人和消费者来对待，以一种“让他们感觉不一样”的方式与他们沟通，根深蒂固的行业采用限制就可能被打破。医疗行业有其特殊性；人被当作自主用户对待后的反应，却并不特殊。

• Nadler 否定“只要做出来，用户自然会来”是 OpenEvidence 或 Apple 的经验教训。他从意志而不是创意的角度理解 Steve Jobs，并称 OpenEvidence 是“全世界最显而易见的想法”。对创始人真正有用的问题，不是哪个咖啡店诞生了这个想法，而是到哪里寻找一种“近乎强迫式”的动力。

• 就 Nadler 自己而言，他说自己曾拥有巨大的攻击性，并通过智力和运气将其重新导向。他刻意拒绝分析这种力量的根源：“对某件事进行分析和描述，就会杀死它。”因此，追问推进力背后的创伤，可能反而削弱正在被研究的那股力量。

• 这套视角也决定了他的招聘方式。Nadler 说，聪明与产出之间“好像有65的相关性”，因此聪明必须与自主的推进系统结合起来。他寻找那些明显极其聪明、极其有驱动力的人；对他们而言，激励框架和建设性反馈机制“完全多余”，最好的干预就是别挡他们的路。