آنتروپیک، سازندهٔ کلود، با پلتفرم پزشکی OpenEvidence همپیمان شده تا نسخهای رایگان و بومیسازیشده از یک دستیار پزشکیِ مبتنی بر شواهد علمی را به پزشکان نزدیک به صد کشور کمدرآمد و درحالتوسعه برساند.

لیست مطالب
۱. شراکتی تازه میان آنتروپیک و OpenEvidence
شرکت آنتروپیک، توسعهدهندهٔ چتبات کلود، روز گذشته از همکاری تازهای با پلتفرم پزشکی OpenEvidence رونمایی کرد که هدفش دموکراتیککردن دسترسی به دانش پزشکی معتبر در سراسر جهان است. بر اساس این توافق، نسخهای ویژه و رایگان از پلتفرم OpenEvidence در اختیار پزشکان و پرستاران نزدیک به صد کشور کمدرآمد و درحالتوسعه قرار میگیرد؛ کشورهایی که تا امروز دسترسی چندانی به منابع بهروز علمی و آموزش مداوم پزشکی نداشتهاند.
جزئیات مالی این همکاری اعلام نشده، اما هر دو شرکت تأکید کردهاند که سود مالی هدف اصلی این طرح نیست. به گفتهٔ مسئولان دو شرکت، هدف نهایی این است که یک پزشک در یک درمانگاه دورافتاده، همان کیفیت پاسخگویی مبتنی بر شواهد علمی را داشته باشد که یک متخصص در یکی از بیمارستانهای دانشگاهی آمریکا دارد. برای آشنایی بیشتر با اینکه هوش مصنوعی امروز واقعاً چه کارهایی از دستش برمیآید و کجا هنوز محدودیت دارد، میتوانید این مطلب دربارهٔ توان و محدودیتهای واقعی هوش مصنوعی را هم بخوانید.
۲. OpenEvidence چیست و چرا پزشکان آمریکا به آن اعتماد کردهاند؟
OpenEvidence یک پلتفرم پرسشوپاسخ پزشکی است که به کلینیسینها اجازه میدهد سؤالهای بالینی خود، از تشخیص افتراقی تا تداخلات دارویی، را مطرح کنند و پاسخهایی مستقیم و مستند از منابع معتبری مانند نیوانگلند ژورنال آف مدیسین (NEJM)، شبکهٔ JAMA، دستورالعملهای NCCN، مجلهٔ نیچر و مرورهای نظاممند کاکرین دریافت کنند. برخلاف چتباتهای عمومی، این پلتفرم از ابتدا برای محیط بالینی طراحی شده و پاسخهایش همراه با ارجاع مستقیم به منبع علمی ارائه میشود.
استقبال از این ابزار در آمریکا چشمگیر بوده است: تنها در یک ماه گذشته، پزشکان آمریکایی بیش از ۴۲ میلیون بار از OpenEvidence استفاده کردهاند و بنیانگذار آن پیشبینی میکند طی سال جاری میلادی صدها میلیون آمریکایی از پزشکانی که با این پلتفرم کار میکنند مراقبت دریافت خواهند کرد. طبق نظرسنجیهای اخیر از هزاران پزشک آمریکایی، OpenEvidence با اختلاف زیاد پراستفادهترین ابزار هوش مصنوعی در میان پزشکان است و از رقبایی مانند دستیارهای عمومی چتبات و ابزارهای دستیار مکالمهٔ پزشکی جلو زده است.
۳. کدام کشورها از این طرح رایگان بهره میبرند؟
در میان کشورهایی که بهعنوان نمونه معرفی شدهاند، میتوان به اوگاندا، آنگولا، سودان، هائیتی و مغولستان اشاره کرد؛ کشورهایی با شرایط بسیار متفاوت اما یک ویژگی مشترک: دسترسی محدود به منابع علمی روزآمد، کمبود متخصصان و امکانات محدود برای آموزش مداوم پزشکی. در بسیاری از این مناطق، پزشکان عمومی مجبورند طیف وسیعی از بیماریها را بدون دسترسی به مشاورهٔ تخصصی مدیریت کنند و همین جاست که یک دستیار مبتنی بر شواهد علمی میتواند نقشی حیاتی ایفا کند.
مدیرعامل OpenEvidence، دنیل نادلر، دربارهٔ فلسفهٔ این طرح گفته است: «دسترسی به دانش پزشکی نباید به جغرافیا بستگی داشته باشد.» او تأکید کرده که گوشیهای هوشمند امروز میتوانند دانشی را در اختیار یک پزشک در روستایی دورافتاده بگذارند که پیشتر تنها در کتابخانههای مؤسسات بزرگ پزشکی متمرکز بود.

۴. تطبیق بومی: چرا این ابزار فقط ترجمهٔ نسخهٔ آمریکایی نیست
یکی از نکات کلیدی این طرح، رویکرد «تطبیق بومی» است. به گفتهٔ نادلر، «صددرصد آنچه برای این مناطق میسازیم، متناسب با بافت محلی است.» این یعنی نسخهٔ هر کشور بر اساس الگوهای شیوع بیماریهای همان منطقه، امکانات تشخیصی موجود در درمانگاهها و بیمارستانها، و فهرست داروها و درمانهای در دسترس تنظیم میشود؛ نه یک کپی یکبهیک از نسخهٔ طراحیشده برای نظام سلامت آمریکا.
این رویکرد از نظر بسیاری از کارشناسان سلامت جهانی، تفاوت میان یک ابزار واقعاً مفید و یک محصول نمایشی است. یک توصیهٔ درمانی که فرض میکند دسترسی به فلان دستگاه تصویربرداری یا فلان داروی خاص وجود دارد، در بسیاری از مناطق کمبرخوردار عملاً بیفایده است. تنظیم پاسخها بر اساس واقعیتهای محلی، احتمال کاربردیبودن توصیهها را در عمل بالا میبرد.
نقش زیرساخت کلود در این پروژه
دانیلا آمودی، رئیس آنتروپیک، در توضیح انگیزهٔ این همکاری گفته است که فناوری لازم برای چنین گسترشی اکنون آماده است، هرچند نیروهای صرف بازار بهتنهایی هرگز چنین طرحی را پیش نمیبردند. از این رو آنتروپیک زیرساخت مدلهای کلود را در اختیار OpenEvidence گذاشته تا این پروژهٔ انساندوستانه بدون افت کیفیت نسبت به نسخهٔ تجاری آمریکایی اجرا شود، بدون اینکه هزینهای متوجه پزشکان یا بیماران این کشورها گردد.
۵. رقابت داغ هوش مصنوعی در حوزهٔ سلامت
این اقدام در بحبوحهٔ رقابتی فزاینده در بازار هوش مصنوعی پزشکی رخ میدهد. آنتروپیک از دیماه با محصول اختصاصی Claude for Healthcare وارد این بازار شده؛ ابزاری که منابعی مثل PubMed، طبقهبندیهای ICD-10 و پایگاههای پوشش بیمهای CMS را به هم متصل میکند. بیمارستانها و شبکههای درمانی شناختهشدهای مانند Banner Health، Stanford Health Care و Elation Health از میان اولین کاربران این محصول بودهاند؛ در Banner Health، هشتادوپنج درصد پزشکان گفتهاند کارشان با این ابزار هم سریعتر و هم دقیقتر شده است.
در طرف مقابل، اوپنایآی هم با دو محصول ChatGPT for Healthcare (ویژهٔ متخصصان) و ChatGPT for Health (ویژهٔ مصرفکنندگان عادی) وارد میدان شده است. بازیگران تخصصیتری مثل Abridge، که بهعنوان دستیار مستندسازی پزشکی شناخته میشود، نیز سهمی از این بازار دارند. اگر میخواهید بدانید اوپنایآی دقیقاً چه شرکتی است و چه محصولاتی دارد، این معرفی کامل از OpenAI میتواند مفید باشد.
با این حال، طبق نظرسنجیهای اخیر از هزار پزشک آمریکایی، OpenEvidence با حدود چهلوپنج درصد نرخ استفاده، همچنان محبوبترین ابزار هوش مصنوعی در میان پزشکان است؛ در حالیکه چتجیپیتی حدود پانزدهونیم درصد، ابزار مستندسازی Abridge حدود پنج درصد و کلود تنها حدود سه درصد از این بازار را در اختیار دارند. همین فاصله نشان میدهد چرا آنتروپیک ترجیح داده بهجای رقابت مستقیم در این بخش، با بازیگر پیشتاز بازار همکاری کند. آمار رشد این پلتفرم هم گویاست: تعداد پرسشهای ماهانهٔ کاربران از حدود دوونیم میلیون در ابتدا به نزدیک هجده میلیون در پایان سال گذشتهٔ میلادی رسیده و طبق گفتهٔ بنیانگذار پلتفرم، بیش از صد میلیون آمریکایی امسال زیر نظر پزشکانی که از این ابزار استفاده میکنند درمان شدهاند.
این البته اولینبار نیست که آنتروپیک وارد حوزهٔ سلامت و پزشکی میشود. پیش از این هم خبر همکاری این شرکت با شرکت دارویی نوو نوردیسک برای تسریع فرایند کشف دارو با کمک کلود منتشر شده بود؛ نشانهای از استراتژی گستردهتر آنتروپیک برای جایگرفتن در قلب زنجیرهٔ سلامت، از پژوهش دارویی گرفته تا مراقبت مستقیم از بیمار در نقطهٔ ویزیت.

۶. چرا این حرکت برای آیندهٔ سلامت جهانی مهم است؟
شکاف دانش پزشکی میان کشورهای ثروتمند و کشورهای کمدرآمد سالهاست یکی از چالشهای اصلی سلامت جهانی بوده است. کمبود پزشک متخصص، دسترسی محدود به آموزش مداوم و نبود منابع علمی بهروز، همگی باعث میشوند کیفیت مراقبت در بسیاری از این مناطق پایینتر از حد لازم بماند. طرحی مثل این، در صورت اجرای درست، میتواند بخشی از این شکاف را با هزینهای نزدیک به صفر برای نظامهای سلامت محلی پر کند.
از منظر کسبوکار هم، این نوع اقدامات نشان میدهد چرا شرکتهای بزرگ فناوری امروز هوش مصنوعی را صرفاً ابزاری برای افزایش بهرهوری تجاری نمیبینند. برای درک بهتر اینکه چرا کسبوکارها و سازمانها این روزها اینقدر روی هوش مصنوعی سرمایهگذاری میکنند، پیشنهاد میکنیم نگاهی هم به این تحلیل دربارهٔ اهمیت هوش مصنوعی در کسبوکار بیندازید.
۷. چالشها و ابهامات پیش رو
با همهٔ نکات مثبت، این طرح بیچالش هم نیست. اتصال اینترنت پایدار، در دسترسبودن گوشیهای هوشمند مناسب، و آموزش پزشکان برای استفادهٔ درست از چنین ابزاری همچنان موانعی جدی در بسیاری از این مناطق هستند. علاوه بر این، همیشه این پرسش مطرح است که چقدر میتوان به خروجی یک مدل هوش مصنوعی، حتی وقتی به منابع علمی معتبر ارجاع میدهد، بدون نظارت انسانی اعتماد کرد. تفاوت میان یک توسعهدهندهٔ واقعی و کسی که صرفاً خروجی هوش مصنوعی را کپی میکند، در دنیای پزشکی بهمراتب حساستر از حوزههای دیگر است؛ موضوعی که این مطلب دربارهٔ توهم مهارت در برابر تخصص واقعی هم به آن پرداخته است.
پزشکانی که برای اولینبار با چنین ابزارهایی کار میکنند، معمولاً چالش دیگری هم دارند: چطور سؤال بالینی خود را طوری مطرح کنند که پاسخ دقیق و قابلاستناد بگیرند. اگر به تازگی با نحوهٔ طراحی پرامپتهای مؤثر آشنا نیستید، این راهنمای ساده برای نوشتن پرامپت میتواند نقطهٔ شروع خوبی باشد؛ اصولش برای پرسیدن سؤال از هر دستیار هوش مصنوعی، از جمله ابزارهای پزشکی، کاربرد دارد. برای پیگیری سایر تحولات این حوزه هم میتوانید سری به بخش اخبار هوش مصنوعی سایت بزنید.
۸. سوالات متداول
آیا این ابزار برای بیماران عادی هم در دسترس است؟
خیر، این نسخهٔ رایگان اختصاصاً برای پزشکان و کادر درمان طراحی شده، نه برای استفادهٔ مستقیم بیماران.
چه تفاوتی میان OpenEvidence و کلود معمولی وجود دارد؟
کلود یک دستیار هوش مصنوعی عمومی است، در حالیکه OpenEvidence اختصاصاً برای پرسشوپاسخ بالینی و با اتکا به منابع علمی معتبر طراحی شده؛ آنتروپیک در این طرح صرفاً زیرساخت فنی را فراهم میکند.
آیا ایران هم جزو این صد کشور است؟
تا لحظهٔ انتشار این خبر، فهرست کامل و رسمی صد کشور مشمول طرح از سوی دو شرکت اعلام نشده و تنها چند نمونه بهصورت مثال ذکر شده است.
هزینهٔ این طرح چگونه تأمین میشود؟
جزئیات مالی این همکاری منتشر نشده، اما هر دو شرکت گفتهاند هدف اصلی، گسترش مراقبت مبتنی بر شواهد علمی است، نه کسب سود از این بخش خاص.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
