هل OpenEvidence AI دقيق؟ ماذا وجدت الدراسات
آخر تحديث
في الاختبارات المنشورة، OpenEvidence AI دقيق في معظم الأسئلة السريرية، ومراجعه حقيقية، لكنه ما زال يخطئ، والدراسات المنشورة مختلفة في كيفية مقارنته بروبوتات الدردشة العامة. تذكر إعلانات OpenEvidence نفسه أنه حقق علامة كاملة في نموذج امتحان USMLE العام. ووجد باحثون مستقلون إجابات عالية الجودة في عدة تخصصات، ولم يجدوا أي مرجع مختلَق بين نحو 5,000 مرجع فُحصت، لكنهم وجدوا أيضًا إجابات ناقصة، ودرجات أدنى من روبوتات الدردشة الرائدة في مجموعة من المعايير، ونتائج أضعف في أسئلة معلومات الأدوية. فيما يلي: على ماذا يقوم OpenEvidence، وماذا يدّعي، وماذا وجدت الدراسات، وكيف تتحقّق من إجابة، وكيف يجيب AskMed، المرجع الطبي بالذكاء الاصطناعي للأطباء والممرضين والصيادلة وطلاب الطب والباحثين.
- ادّعاء OpenEvidence نفسه100% في نموذج امتحان USMLE العام، الأسئلة النصية فقط، أجراه OpenEvidence (2025)
- معيار مستقل89.6% في 500 سؤال من MedQA، أقل من ثلاثة روبوتات دردشة رائدة (Nature Medicine، 2026)
- المراجعلا مرجع مختلَق بين 4,979 مرجعًا فُحصت (npj Health Systems، 2026)
- اختبارات التخصصاتإجابات عالية الجودة في الغالب، مع ثغرات في الاكتمال ومعلومات الأدوية والأدلة الخاصة بالأطفال (2026)
على ماذا يقوم OpenEvidence؟
OpenEvidence محرك بحث طبي بالذكاء الاصطناعي من OpenEvidence Inc.، يكتب إجابات موثّقة بالمراجع عن الأسئلة السريرية لمهنيي الرعاية الصحية الموثَّقين. تذكر صفحته على App Store الأمريكي أن الإجابات «sourced, cited, and grounded in peer-reviewed medical literature» (مستمدة من مصادر وموثّقة بالمراجع ومستندة إلى الأدبيات الطبية المحكَّمة)، مع توثيق كل معلومة، اعتمادًا على أكثر من 35 مليون ورقة علمية محكَّمة وأكثر من 300 مجلة طبية ومصادر FDA وCDC. وتسمّي الصفحة NEJM وJAMA ومجلاتها التخصصية الإحدى عشرة وNCCN وNature وCochrane Library وWiley شركاء رسميين، وتضيف نصوصًا كاملة مرخَّصة من عدد منهم، واتفاقيات محتوى مع جمعيات مثل AAFP وACC وADA وAAP وACOG. ومنذ يوليو 2026، تقيّم ميزة تُسمّى EvidenceGrade قوة الأدلة وراء كل إجابة، استنادًا إلى إطار GRADE. وتنصّ شروط استخدام OpenEvidence على أن الخدمة لأغراض تعليمية ومعلوماتية فقط ولا تحلّ محلّ الحكم السريري.
النماذج اللغوية الأساسية التي يقوم عليها OpenEvidence غير معلنة، كما يلاحظ مؤلفو دراسة Nature Medicine لعام 2026. وفي سبتمبر 2026 أطلق عائلة نماذجه الخاصة: Osler، النموذج الافتراضي للإجابات السريعة؛ وSackett، نموذج بحث أعمق؛ وSnow، الذي يكتب تقارير أطول.
ماذا يقول OpenEvidence عن دقته؟
يعرض OpenEvidence دقته أساسًا من خلال معايير امتحانية أجرتها الشركة بنفسها. في 14 يوليو 2023، أعلن OpenEvidence أن ذكاءه الاصطناعي هو الأول الذي يتجاوز 90% في USMLE، مقيسًا على نموذج الامتحان الرسمي لعام 2022. وفي 15 أغسطس 2025، أعلن علامة كاملة 100% في USMLE. ويذكر قسم المنهجية أن الاختبار استخدم أسئلة نموذج الامتحان التي نشرها Kung وزملاؤه عام 2023، واستبعد كل سؤال يحتوي على صورة، وصحّح خطأ تسجيل واحدًا في مجموعة البيانات تلك، واحتسب سؤالًا واحدًا من Step 3 وفق إجابة OpenEvidence بدلًا من مفتاح الإجابة الرسمي، بعد أن راجعه سبعة أطباء نفسيين ووافقوا OpenEvidence. وفي 3 سبتمبر 2026، قال OpenEvidence إن نموذجًا بحثيًا جديدًا اسمه Darwin حقق 100% في MedQA، و72.8% في MedXpertQA، و82.7% في HealthBench Professional، و87.2% في NOHARM. وDarwin في مرحلة معاينة بحثية، متاح بطلب فقط، فهو ليس النموذج الذي يستخدمه الأطباء يوميًا.
النتائج الثلاث كلها مأخوذة من إعلانات OpenEvidence نفسه، لا من اختبارات مستقلة، وسؤال امتحان الترخيص يعطي كل المعطيات ذات الصلة في حالة سريرية مرتّبة مع إجابة واحدة هي الأفضل، وهو ما نادرًا ما تفعله الأسئلة السريرية الحقيقية.
ماذا وجدت الدراسات المستقلة؟
وجد أكبر اختبار مستقل لـ OpenEvidence حتى الآن أنه دقيق، لكنه يأتي خلف ثلاثة روبوتات دردشة عامة. استعلم Vishwanath وزملاؤه في NYU Langone (Nature Medicine، 2026) من OpenEvidence عبر موقعه في سبتمبر 2025 وفبراير 2026، وقارنوه بـ UpToDate Expert AI وGPT-5.2 وGemini 3.1 Pro وClaude Opus 4.6. في 500 سؤال امتحاني من MedQA، حقق OpenEvidence 89.6%، مقابل 97.4% لـ Gemini، و94.2% لـ GPT-5.2، و90.2% لـ Claude، و88.4% لـ UpToDate Expert AI. وفي 100 سؤال حقيقي طرحها أطباء على ذكاء اصطناعي أثناء الرعاية، منح 12 طبيبًا معمًّى عليهم OpenEvidence متوسط 3.24 على مقياس من 4 نقاط، مقابل 3.62 لـ Gemini. وسجّل OpenEvidence أدنى درجة في الوضوح، وكتب المؤلفون أن نقطة ضعفه هي التواصل لا المعرفة. ولم يختلف المحتوى الضار والهلوسات اختلافًا ذا دلالة إحصائية بين الأنظمة الستة المختبَرة. ويصف المؤلفون نتائجهم بأنها لقطة لأدوات سريعة التغيّر، ولم يقيّموا جودة المراجع.
وتوصّلت دراسة ثانية إلى الترتيب المعاكس. طلب Feng وزملاؤه (مسودة أولية على arXiv، يونيو 2026، غير محكَّمة) من 149 طبيبًا أمريكيًا مقارنة إجابات معمّاة عن 620 سؤالًا حقيقيًا طُرحت على OpenEvidence، فقد فضّل الأطباء OpenEvidence على Claude Opus 4.8 وGemini 3.1 Pro وGPT-5.5 في الدقة والفائدة السريرية وجودة المصادر وقابلية التحقق والاكتمال. وتذكر الورقة أن أيًّا من مؤلفيها لا ينتسب إلى OpenEvidence، لكن OpenEvidence شارك في وضع خطة جمع البيانات، ونفّذ جمع البيانات، ودفع أجور الأطباء الذين قيّموا الإجابات.
هل يختلق OpenEvidence المراجع؟
وجدت الدراسات حتى الآن أن مراجع OpenEvidence حقيقية، وهذا ما يميّزه عن روبوتات الدردشة التي تستشهد من الذاكرة. أرسل Lotan وزملاؤه (npj Health Systems، 2026) إلى OpenEvidence 150 طلبًا معياريًا في خمسة تخصصات، وفحصوا جميع المراجع الـ 4,979 التي أعادها: لم يثبت أن أيًّا منها مختلَق، وكان في ثلاثة ملخصات أخطاء في الإسناد، ومعظم المراجع حديثة ومن مجلات عالية التأثير. وقد فحصت تلك الدراسة ما إذا كان كل مرجع موجودًا، لا ما إذا كان يدعم الجملة المرفق بها. أما Hunter وزملاؤه (Hospital Pediatrics، 2026) ففحصوا الدعم: عبر 17 سؤالًا مبنيًا على الإرشادات في ستة تخصصات فرعية لطب الأطفال، قُيّم 88.2% من الإجابات بأنها مدعومة بقوة بمراجعها، واستشهد OpenEvidence بالإرشاد الرئيسي في 15 من الأسئلة الـ 17. لكن 35.3% من الإجابات استشهدت بدراسات غير خاصة بالأطفال، فقد تصف ورقة حقيقية مرضى غير المعنيين. المراجع الحقيقية نقطة البداية للتحقق من الإجابة، لا دليل على صحتها.
وقيّمت الدراسة نفسها جودة الإجابات بوسيط 27 من 30، وكان في 6 من الإجابات الـ 17 احتمال ما للضرر، لم يتجاوز أيٌّ منها 3 على مقياس الضرر ذي النقاط السبع في الدراسة.
أين تقصّر إجابات OpenEvidence؟
تقصّر إجابات OpenEvidence في الغالب في الاكتمال ومعلومات الأدوية والقرارات الدقيقة، وفقًا لدراسات تخصصية نُشرت عام 2026. اختبر Meyer وزملاؤه (American Surgeon، 2026) 138 سيناريو لسرطان المستقيم مبنية على إرشادات NCCN: قُيّمت إجابات OpenEvidence صحيحة في 92.8% ودقيقة في 81.2%، مقابل 98.6% و84.1% لـ ChatGPT-5، ووجد المؤلفون الأداتين محدودتين في الاكتمال والدقة في التفاصيل والقرارات المتأثرة بتفضيلات المريض. وفي دراسة صيدلانية أجراها Issa وزملاؤه (American Journal of Health-System Pharmacy، 2026)، أجاب OpenEvidence بدقة عن 40% من 20 سؤالًا عن معلومات الأدوية، مقابل 70% لـ ChatGPT 5.1، مع أن إجاباته نالت أعلى درجة جودة إجمالية بين أدوات الذكاء الاصطناعي. ووجد Stephenson وزملاؤه في Mayo Clinic (Mayo Clinic Proceedings: Digital Health، 2026) أن استشارات OpenEvidence الإلكترونية الـ 125 عن الكبد الدهني قُيّمت أعلى من استشارات الأخصائيين أنفسهم، لكن 12 منها تضمّنت أخطاء طفيفة وواحدة خطأً قد يكون كبيرًا.
وفي اختبار للفرز أجراه Jia وزملاؤه (International Journal of Medical Informatics، 2026)، كان OpenEvidence صحيحًا في 71.3% من الحالات الواضحة التي أجاب عنها، وقلّل من درجة الفرز في 12.5% من الحالات الطارئة، وبالغ في درجة الفرز في 68.0% من الحالات التي يمكن تدبيرها في المنزل. أي أن أخطاءه مالت نحو الحذر.
ما الحدود المشتركة بين جميع محركات الإجابة بالذكاء الاصطناعي؟
تشترك محركات الإجابة بالذكاء الاصطناعي مثل OpenEvidence في حدود نابعة من طريقة عملها، أيًّا كانت مصادرها. يسترجع محرك الإجابة الوثائق أولًا، ثم يكتب نموذج لغوي ملخّصًا لها، وقد تخطئ كلتا الخطوتين. ويشير مؤلفو دراسة Nature Medicine إلى أدلة على أن الاسترجاع قد يخفض الأداء حين تُسترجَع مواد غير ذات صلة أو حين يدمجها النموذج دمجًا سيئًا. وحتى مع مصادر حقيقية، قد تقول الجملة أكثر مما يقوله مصدرها: اختبر Wu وزملاؤه (Nature Communications، 2025) سبعة نماذج شائعة على 800 سؤال طبي، ووجدوا أن 50% إلى 90% من الإجابات لم تكن مدعومة بالكامل بالمصادر التي استشهدت بها، بل ناقضتها أحيانًا؛ وحتى مع GPT-4o المزوّد بالبحث على الويب، كان نحو 30% من العبارات المفردة غير مدعوم. ولم تختبر تلك الدراسة OpenEvidence. كما تتغيّر محركات الإجابة كثيرًا: أطلق OpenEvidence نموذجًا افتراضيًا جديدًا، Osler، في سبتمبر 2026، بعد أن جمعت دراسة Nature Medicine والدراسة الصيدلانية إجاباتهما، فقد لا تصف الأرقام المنشورة الإصدار الحالي.
وأخيرًا، تُقرأ الإجابة السلسة الموثّقة جيدًا بالثقة نفسها سواء كانت كاملة أم لا. والتحقق من المصدر وراء المعلومة التي ستبني عليها قرارك هو الضمانة الموثوقة الوحيدة.
كيف تتحقّق من إجابة OpenEvidence؟
يمكنك التحقق من إجابة OpenEvidence، أو من إجابة أي أداة ذكاء اصطناعي، في دقائق قليلة بالخطوات الخمس نفسها. أولًا، افتح المرجع وراء الجملة المحددة التي تنوي البناء عليها، وتأكّد أن المصدر يقول ما تقوله الجملة؛ فقد يُرفق مرجع حقيقي بمعلومة لا يدعمها. ثانيًا، تحقّق من أن المصدر درس المرضى أنفسهم: فقد وجدت دراسة طب الأطفال المذكورة أعلاه أن نحو ثلث الإجابات استشهدت بدراسات غير خاصة بالأطفال. ثالثًا، تحقّق من التاريخ ونوع الدليل، لأن الإرشاد الحالي يتقدّم على مراجعة أقدم، والدراسة الصغيرة الواحدة أضعف من التحليل التلوي؛ ويساعد تقييم EvidenceGrade في OpenEvidence هنا، لكن اقرأ المصدر أيضًا. رابعًا، تحقّق من الجهة صاحبة التوصية، إذ قد تختلف إرشادات NICE عن الإرشادات الأمريكية والأوروبية. خامسًا، خذ أي جرعة دواء من معلومات الوصف الحالية أو من دليل الأدوية المحلي، لا من ملخّص ذكاء اصطناعي أبدًا.
- افتح المرجع. اقرأ الجملة في المصدر نفسه.
- طابِق المرضى. البالغون والأطفال والحمل ووظائف الكلى تغيّر الإجابة.
- تحقّق من التاريخ والنوع. أحدث إرشاد أولًا، ثم المراجعات المنهجية، ثم الدراسات المفردة.
- تحقّق من الجهة صاحبة التوصية. اتّبع الإرشاد المعمول به حيث تمارس.
- خذ الجرعات من النشرة. استخدم معلومات الوصف الحالية.
لمعرفة ما وجدته الدراسات عن روبوتات الدردشة العامة، راجع هل ChatGPT دقيق في الأسئلة الطبية؟
كيف يجيب AskMed بطريقة مختلفة؟
صُمّم AskMed بحيث يمكن التحقق من كل معلومة، وبحيث يستطيع أي عامل في المجال الطبي استخدامه. قبل كتابة أي إجابة، يبحث AskMed في قائمة ثابتة من المصادر الطبية: المجلات وقواعد البيانات مثل PubMed وCochrane Library وNEJM وThe Lancet وJAMA وThe BMJ؛ والإرشادات والهيئات مثل NICE وWHO وCDC وESC وKDIGO؛ ونشرات الأدوية من FDA وDailyMed، إضافة إلى السجلات مثل EMA للأسماء التجارية المحلية؛ والمراجع مثل StatPearls وBMJ Best Practice. لا يبحث AskMed في الويب المفتوح أو المنتديات أو وسائل التواصل الاجتماعي. تُتبَع كل معلومة برابط إلى مصدرها، من 8 مصادر افتراضيًا، وتتيح لك مرشّحات المصادر اختيار أنواع المصادر وأنواع الدراسات ومن 3 إلى 12 مصدرًا. وإذا لم يُعثر على مصدر صالح، يعرض AskMed ردًّا ثابتًا يقول ذلك بدلًا من الإجابة من الذاكرة. لا يعطي AskMed جرعات الأدوية أبدًا، ويعمل في جميع أنحاء العالم دون NPI أو رقم ترخيص، ويعمل على iPhone وiPad وAndroid والويب.
إجابات AskMed يكتبها الذكاء الاصطناعي أيضًا، دون مراجعة بشرية قبل أن تراها، لذا قد يسيء AskMed أيضًا قراءة مصدر؛ والمهم أن كل جملة تحمل رابطًا يمكنك فتحه. وتنصّ شروط استخدام OpenEvidence على أنه غير متاح في المملكة المتحدة والاتحاد الأوروبي والمنطقة الاقتصادية الأوروبية، ويطلب التسجيل فيه رقم NPI أو رقم ترخيص آخر. للتفاصيل جنبًا إلى جنب، راجع AskMed مقابل OpenEvidence وبدائل OpenEvidence؛ ولكل المصادر والحدود، راجع كيف يجيب AskMed.
الأسئلة الشائعة
هل OpenEvidence دقيق؟
في الغالب، لكن ليس دائمًا. وجدت دراسات مستقلة إجابات عالية الجودة في عدة تخصصات، ولم تجد أي مرجع مختلَق بين 4,979 مرجعًا فُحصت، لكنها وجدت أيضًا إجابات ناقصة، ودقة 40% في مجموعة صغيرة من أسئلة معلومات الأدوية، ودرجات أدنى في المعايير من ثلاثة روبوتات دردشة رائدة في دراسة Nature Medicine لعام 2026. استخدم OpenEvidence نقطة انطلاق، وافتح المصدر وراء أي معلومة تبني عليها قرارك.
هل حقق OpenEvidence فعلًا 100% في USMLE؟
يذكر OpenEvidence ذلك في إعلان صادر في أغسطس 2025. استخدم الاختبار أسئلة نموذج امتحان USMLE العام من دراسة عام 2023، دون الأسئلة التي تحتوي على صور، واحتسب سؤالًا واحدًا من Step 3 وفق إجابة OpenEvidence لا وفق مفتاح الإجابة الرسمي. أجرى OpenEvidence هذا الاختبار بنفسه، ولم تُنشر النتيجة في مجلة محكَّمة.
هل يهلوس OpenEvidence؟
أقل مما تفعله روبوتات الدردشة العامة فيما يخص المراجع: لم تجد دراسة من عام 2026 أي مرجع مختلَق بين 4,979 مرجعًا من OpenEvidence. وفي دراسة Nature Medicine لعام 2026، لم يختلف معدل المحتوى المهلوس لدى OpenEvidence اختلافًا ذا دلالة إحصائية عن الأنظمة الخمسة الأخرى المختبَرة. ومع ذلك قد يُرفق مرجع حقيقي بمعلومة لا يدعمها بالكامل، فافتحه.
هل OpenEvidence أدق من ChatGPT؟
الدراسات مختلفة. صنّفت دراسة محكَّمة في Nature Medicine عام 2026 كلًّا من GPT-5.2 وGemini وClaude فوق OpenEvidence، بينما وجدت مسودة أولية من عام 2026، نفّذ OpenEvidence جمع بياناتها ودفع تكاليفه، أن الأطباء فضّلوا إجابات OpenEvidence. وتنقسم أيضًا الدراسات في التخصصات المفردة. للمزيد، راجع OpenEvidence مقابل ChatGPT for Clinicians مقابل AskMed.
هل يمكن أن يخطئ AskMed؟
نعم. إجابات AskMed يكتبها الذكاء الاصطناعي، فتحقّق من المصدر المرتبط بأي معلومة تبني عليها قرارك، واضغط على علامة عدم الإعجاب أسفل الإجابة للإبلاغ عن خطأ.
هل يعطي AskMed جرعات الأدوية؟
لا. لا يعطي AskMed أبدًا الجرعات أو حسابات الجرعات أو جداول معايرتها، حتى في أسئلة الامتحانات. ومع ذلك يشرح دواعي استعمال الدواء، وكيف تُختار الجرعة وتُعدَّل، والمراقبة، والآثار الجانبية. أما الجرعات الدقيقة فتؤخذ من معلومات الوصف الحالية.