Dostęp do aktualnej literatury medycznej potrafi decydować o tym, jak szybko lekarz znajdzie potrzebne informacje przy trudnym przypadku. Anthropic i OpenEvidence chcą teraz rozszerzyć dostęp do medycznego AI poza Stany Zjednoczone i Europę. Projekt obejmie około 100 państw, przede wszystkim rynki o niższych i średnich dochodach, gdzie dostęp do płatnych czasopism, specjalistów oraz ciągłego kształcenia medycznego jest słabszy.
Informację ogłoszono 22 września, a szerzej opisano 23 września. Na liście podanej przez OpenEvidence znajdują się m.in. Uganda, Angola, Sudan, Haiti i Mongolia. Lekarze mają otrzymać bezpłatny dostęp do specjalnej wersji platformy, a Anthropic zapewni zaplecze technologiczne. Konkretnego modelu Claude używanego w ramach projektu firmy publicznie nie wskazały w materiale Reutersa.
OpenEvidence odpowiada na pytania lekarzy na podstawie publikacji
OpenEvidence działa jako medyczna platforma wyszukiwawcza wykorzystująca generatywną AI. Lekarz może zadać pytanie dotyczące diagnostyki, leczenia lub danych klinicznych, a system przeszukuje literaturę naukową oraz wytyczne i przygotowuje odpowiedź opartą na źródłach. Reuters podaje, że platforma korzysta z recenzowanych badań oraz zaleceń dotyczących leczenia. W USA i Europie dostęp dla klinicystów jest bezpłatny.
OpenEvidence informuje również o współpracy z wydawcami i organizacjami medycznymi. Platforma wymienia m.in. „The New England Journal of Medicine”, JAMA Network, Nature Portfolio, Cochrane oraz National Comprehensive Cancer Network. Dzięki podobnym umowom lekarz nie dostaje wyłącznie odpowiedzi wygenerowanej przez model językowy, lecz może dotrzeć do materiałów stojących za odpowiedzią. W medycynie ma znacznie większe znaczenie niż ładnie napisany akapit.
42 miliony zapytań w miesiąc pokazują skalę użycia
OpenEvidence nie jest małym eksperymentem uruchomionym dla kilku szpitali. Według Daniela Nadlera, założyciela firmy, tylko w sierpniu 2026 roku lekarze w Stanach Zjednoczonych skorzystali z platformy 42 mln razy. Reuters zaznacza, że liczba pochodzi od Nadlera, dlatego dobrze traktować ją jako dane firmy, a nie wynik niezależnego audytu.
STAT podawał w maju 2026 roku, że według OpenEvidence z platformy aktywnie korzysta około 650 tys. lekarzy w USA. Z kolei sama firma informuje o obecności w ponad 10 tys. ośrodków opieki medycznej. Skala wzrosła bardzo szybko: Fierce Healthcare pisał w styczniu, że w grudniu 2025 roku OpenEvidence obsłużyło około 18 mln konsultacji klinicznych, podczas gdy rok wcześniej było ich około 3 mln miesięcznie. Wszystkie wspomniane wartości bazują na deklaracjach przedsiębiorstwa, co przy tak szybko rosnącym produkcie dobrze mieć z tyłu głowy.
Mimo zastrzeżenia liczby pokazują, dlaczego projekt z Anthropic zasługuje na uwagę. Firma nie próbuje dopiero przekonać pierwszych lekarzy do korzystania z AI. Ma już dużą bazę użytkowników i teraz przenosi rozwiązanie na rynki, gdzie warunki pracy potrafią mocno różnić się od amerykańskich.
W Ugandzie czy Botswanie sama odpowiedź AI nie wystarczy
Najważniejszym elementem projektu ma być dopasowanie platformy do lokalnych realiów. Anthropic dostarczy technologię działającą w tle, natomiast OpenEvidence ma dostosowywać rozwiązanie do infrastruktury ochrony zdrowia, profilu chorób, dostępności badań diagnostycznych oraz leków i procedur stosowanych w danym regionie.
Firma nie startuje od pustej kartki. Wcześniej współpracowała z organizacjami ochrony zdrowia w Rwandzie i Botswanie, gdzie przygotowywała wersje narzędzia odpowiadające lokalnym warunkom. Nadler deklaruje, że rozwiązania dla nowych rynków mają być w pełni zależne od kontekstu regionalnego. Deklaracja ma znaczenie, ponieważ rekomendacja medyczna przydatna w Bostonie może mieć małą wartość w miejscu bez dostępu do określonego badania, leku albo specjalisty.
Problem infrastruktury dobrze widać w danych Międzynarodowego Związku Telekomunikacyjnego. W 2025 roku co najmniej zasięg 3G obejmował 84,2 proc. ludności państw o niskich dochodach, lecz z internetu korzystało tam tylko 23,4 proc. mieszkańców. Na obszarach wiejskich udział użytkowników internetu spadał do około 14 proc. Zasięg sieci i faktyczny dostęp do usług online są więc dwiema różnymi sprawami.
Dla medycznego AI oznacza prosty problem techniczny: świetna baza wiedzy niewiele pomoże, jeśli lekarz nie ma stabilnego połączenia albo transfer danych kosztuje za dużo. Smartfon może być dostępny, lecz sama obecność telefonu w kieszeni nie gwarantuje komfortowej pracy z usługą chmurową.
Badania nad AI w diagnostyce dają powody do zainteresowania i ostrożności
Rozwój narzędzi dla lekarzy przyspiesza, a wyniki badań potrafią wyglądać bardzo dobrze. W pracy opublikowanej w „Nature” w 2025 roku oceniono system AMIE opracowany przez Google na 302 trudnych przypadkach pochodzących z opisów medycznych. Sam model osiągnął trafność top-10 na poziomie 59,1 proc., podczas gdy lekarze bez wsparcia uzyskali 33,6 proc. Lekarze korzystający z AMIE osiągnęli 51,7 proc., a grupa korzystająca z wyszukiwarki i standardowych zasobów 44,4 proc.
Nie należy przenosić wyniku bezpośrednio na OpenEvidence. Badanie dotyczyło innego systemu, przygotowanych przypadków i kontrolowanych warunków. Pokazuje jednak, że dobrze zaprojektowane modele mogą wspierać budowanie diagnozy różnicowej.
Drugi obraz daje randomizowane badanie opublikowane w JAMA Network Open. Wzięło w nim udział 50 lekarzy. Mediana wyniku diagnostycznego wyniosła 76 proc. w grupie mającej dostęp do GPT-4 oraz 74 proc. w grupie korzystającej z tradycyjnych zasobów. Różnica nie była statystycznie istotna. Co ciekawe, sam model uzyskał wynik wyższy od grupy korzystającej z konwencjonalnych źródeł o 16 punktów procentowych. Autorzy uznali, że sama dostępność modelu nie poprawia automatycznie pracy lekarza i potrzebne jest lepsze współdziałanie człowieka z narzędziem.
Dwa badania prowadzą do dość praktycznego wniosku. Jakość modelu ma znaczenie, lecz równie ważny jest sposób użycia, źródła, interfejs i umiejętność sprawdzania odpowiedzi. W gabinecie nie wystarczy duży przycisk z napisem „AI” i ambitna prezentacja dla inwestorów.
Największym wyzwaniem będzie lokalny kontekst
Reuters zwraca uwagę na obawy krytyków dotyczące modeli trenowanych głównie na danych z krajów o wysokich dochodach. Zalecenia mogą nie pasować do lokalnych warunków leczenia, dostępności leków czy możliwości wykonania badań. OpenEvidence deklaruje regionalne dostosowanie systemu właśnie z powodu podobnych różnic.
Dochodzi kwestia języka, prywatności danych, jakości połączenia, odpowiedzialności za decyzje oraz aktualności źródeł. Lekarz potrzebuje narzędzia, które pokazuje podstawę odpowiedzi i pozwala szybko ją zweryfikować. Medycyna nie daje dużego marginesu na modelową pewność siebie podpartą źle dobranym cytowaniem.
Moim zdaniem właśnie warstwa źródeł i lokalnego dopasowania będzie ważniejsza od samej nazwy modelu. Jeżeli platforma ograniczy czas potrzebny na dotarcie do aktualnych zaleceń i jednocześnie pokaże lekarzowi, skąd pochodzą informacje, projekt może mieć praktyczną wartość. Jeżeli lokalizacja skończy się na zmianie języka interfejsu, ambitna skala obejmująca około 100 państw szybko zderzy się z codziennością placówek medycznych.
Anthropic coraz mocniej wchodzi w nauki biologiczne
Współpraca z OpenEvidence wpisuje się w szerszy kierunek działań Anthropic. 17 września firma uruchomiła Life Sciences Verification Program, który daje zweryfikowanym zespołom z branży nauk biologicznych szerszy dostęp do modeli przy zadaniach związanych m.in. z odkrywaniem leków, biologią badawczą, rozwojem klinicznym i produkcją. Program wystartował w wersji beta.
Nowy projekt pokazuje więc, że Anthropic szuka dla Claude zastosowań daleko poza zwykłym czatem. W przypadku OpenEvidence odbiorcą nie ma być pacjent wpisujący objawy do przypadkowego okna rozmowy, lecz lekarz korzystający z platformy opartej na literaturze medycznej i wytycznych.
Największa obietnica inicjatywy nie polega na zastępowaniu lekarza. Chodzi o skrócenie drogi od pytania klinicznego do sprawdzonej publikacji lub zalecenia, szczególnie tam, gdzie dostęp do specjalistycznych baz jest ograniczony. Około 100 państw robi wrażenie, lecz prawdziwy test zacznie się przy słabszym internecie, innych schematach leczenia i mniejszej dostępności diagnostyki. Jeśli OpenEvidence poradzi sobie z regionalnym kontekstem, projekt może pokazać bardzo praktyczną stronę medycznego AI. Jeśli nie, nawet 42 mln zapytań miesięcznie w USA nie będzie argumentem wystarczającym poza rynkami, dla których podobne systemy powstawały od początku.
Źródła: Reuters, Business Standard, OpenEvidence, STAT, Fierce Healthcare, ITU (International Telecommunication Union), Nature, JAMA Network Open, Anthropic.
