生成式AI进入医院之后，最容易回答的问题是“医生有没有使用”，最难回答的却是“使用之后究竟改变了什么”。

7月16日，波士顿儿童医院与临床决策支持平台OpenEvidence宣布开展一项多年合作。双方不只是把AI工具接入电子病历，还准备研究医生在诊疗现场使用AI后，临床提问、诊疗选择和医疗服务方式是否发生变化。

OpenEvidence是一家面向专业医疗人员提供医学搜索与临床决策支持的公司。医生可以用自然语言提出问题，平台根据同行评议论文、临床指南和权威医学内容生成带有来源的回答。与传统医学数据库相比，它试图把“查文献”变成“直接提出临床问题并获得证据梳理”。

这次合作已经有明确的落地抓手，但还不能被写成一次得到临床验证的成功。电子病历入口已经接通，研究框架也已公布；至于它能否改善诊疗质量、降低差异或者节约医疗资源，仍要等待后续数据。

AI进入电子病历，合作开始触及真实诊疗流程

根据双方公布的信息，这项多年合作主要包含两部分。

第一部分，是让波士顿儿童医院的医生能够直接从电子病历系统访问OpenEvidence。医生不必在多个独立平台之间来回切换，就能在诊疗过程中查询治疗方案、药物选择、疾病管理和最新医学证据。

这项变化看起来只是少了几次点击，实际解决的却是医疗AI长期面临的一个核心问题：工具能不能进入医生每天使用的工作界面。

一款AI产品即便在测试中表现不错，如果需要医生额外登录、重复录入患者信息，或者离开电子病历才能使用，最终也可能因为流程负担而被搁置。把AI放进电子病历入口，意味着产品开始从“医生想起来时使用的工具”，转向临床工作流中的常规能力。

第二部分更加值得关注。双方将研究医生使用OpenEvidence与实际诊疗模式之间的关系，包括医生在什么场景下向AI提问、关注哪些临床问题，以及这种使用行为是否与更广泛的医疗服务变化相关。

研究不会调用患者层面的数据，而是分析经过汇总的医生层面信息。换句话说，研究重点不是追踪某名患者接受了什么治疗，而是从群体尺度观察医生怎样使用AI，以及使用习惯是否对应某些诊疗模式。

这一设计让合作拥有了比普通产品部署更清晰的研究方向。过去评价医疗AI，往往集中在准确率、考试成绩或者模型能否回答标准化问题。但医生在真实诊疗现场提出的问题远比考试题复杂：信息可能不完整，多个疾病相互影响，指南之间也可能存在差异。

因此，回答是否正确只是第一层。医生是否采纳、什么情况下采纳、使用后是否减少无效检查，以及不同医生之间的诊疗差异有没有收窄，才是AI医疗真正进入临床后必须面对的问题。

不过，目前双方没有公布具体研究终点、对照组设置、评价周期以及结果发表计划，也没有给出诊疗质量或者成本改善数据。这意味着此次合作已经开始落地，但其临床价值仍处于验证阶段。

从“提供答案”走向“解释影响”，医疗AI进入更难的阶段

这次合作真正重要的地方，不是又有一家医院接入了AI，而是评价医疗AI的方式可能正在发生变化。

今年6月，《Nature Medicine》发表了一项独立研究，将OpenEvidence等专业医疗AI与通用大模型进行比较。结果显示，在医学知识题、医生一致性评价和部分真实临床问题上，通用模型整体表现更好。与此同时，另一项采用真实临床提问并由相应专科医生评价的研究，却得出了OpenEvidence在准确性、临床实用性、来源质量和可核验性方面领先的结果。

看似矛盾的结果，恰恰说明医疗AI已经不能只靠一套题目决定胜负。测试问题来自哪里、由谁评分、是否展示文献来源，以及评价者是否具备对应专科背景，都可能改变最终结果。

波士顿儿童医院与OpenEvidence此次选择研究真实使用行为，相当于把评价坐标从“模型回答得怎么样”向前推进了一步：医生在什么时候需要它，它是否进入了决策过程，又是否改变了后续行动。

对医疗AI公司而言，这种转向可能重塑未来的竞争门槛。

模型能力可以快速追赶，界面也容易模仿，但进入医院工作流、获得持续使用并建立可验证的临床证据，需要更长时间。真正形成壁垒的可能不再只是某一次测试中的准确率，而是产品能否嵌入诊疗现场，并持续证明自己带来了稳定、可解释且安全的改变。

这也意味着医院与技术公司的合作关系正在变深。医院不再只是购买一个软件账号，而可能参与研究设计、使用监测、风险治理和效果评价。技术公司则不能只交付模型，还要回答哪些医生在使用、为什么使用、什么时候不应使用，以及错误建议如何被识别和纠正。

此次合作使用汇总后的医生层面数据，并明确不调用患者层面数据，为隐私保护划出了一条边界。但数据经过汇总并不等于所有治理问题已经解决。医生的查询记录可能反映科室压力、疾病趋势和诊疗偏好，后续仍需要明确数据保存期限、访问权限、用途边界以及研究结果如何公开。

更值得期待的是，这类研究有机会让医疗AI第一次形成较完整的价值链条：医生提出真实问题，AI提供可追溯的医学证据，医院观察使用行为，再用研究结果改进产品和临床流程。

如果后续能够证明AI不仅缩短了信息检索时间，还能减少低价值诊疗、缩小医生之间的决策差异，或者帮助复杂病例更快获得可靠依据，那么医疗AI的价值就不再停留在“回答问题”，而是开始进入医院能够衡量和采购的结果层面。

反过来，如果研究发现AI使用频率很高，却没有带来诊疗质量改善，甚至造成新的依赖和行为偏差，这同样是一项有价值的结果。临床真正需要的从来不是使用量最大的AI，而是能够被验证、被监督，也能够在必要时被限制的AI。

所以，这次合作可以确认已经落地，但它落地的是电子病历入口和多年研究机制，而不是最终临床成效。它最令人期待的地方，正是双方愿意把一个更困难的问题摆到台面上：当AI已经成为医生日常使用的工具，我们该如何判断它究竟让医疗变得更好了没有？