OpenEvidence è affidabile? Cosa dicono gli studi

Aggiornato all'11 novembre 2026

OpenEvidence è affidabile sulla maggior parte delle domande cliniche nei test pubblicati, e i suoi riferimenti bibliografici sono reali, ma commette ancora errori, e gli studi pubblicati non concordano su come si collochi rispetto ai chatbot di IA generici. Gli annunci della stessa OpenEvidence riportano un punteggio perfetto su un esame USMLE di esempio pubblico. Ricercatori indipendenti hanno trovato risposte di alta qualità in diverse specialità e nessun riferimento inventato su quasi 5.000 verificati, ma anche risposte incomplete, punteggi inferiori a quelli dei chatbot di frontiera in una serie di benchmark e risultati più deboli sulle domande di informazione sui farmaci. Di seguito: su cosa si basa OpenEvidence, cosa dichiara, cosa hanno trovato gli studi, come verificare una risposta e come risponde AskMed, un riferimento medico basato sull'IA per medici, infermieri, farmacisti, studenti di medicina e ricercatori.

Cosa dichiara OpenEvidence100% sull'esame USMLE di esempio pubblico, solo domande testuali, test condotto da OpenEvidence (2025)
Benchmark indipendente89,6% su 500 domande MedQA, sotto tre chatbot di frontiera (Nature Medicine, 2026)
RiferimentiNessun riferimento inventato su 4.979 citazioni verificate (npj Health Systems, 2026)
Test per specialitàRisposte per lo più di alta qualità, con lacune su completezza, informazioni sui farmaci ed evidenze pediatriche (2026)

Usalo sulWeb

Su cosa si basa OpenEvidence?

OpenEvidence è un motore di ricerca medico basato sull'IA, di OpenEvidence Inc., che scrive risposte con fonti alle domande cliniche per professionisti sanitari verificati. La sua scheda sull'App Store statunitense dice che le risposte sono "sourced, cited, and grounded in peer-reviewed medical literature" (con fonti, citate e fondate sulla letteratura medica sottoposta a revisione paritaria), con ogni affermazione citata, e attingono a oltre 35 milioni di articoli sottoposti a revisione paritaria, a oltre 300 riviste mediche e a fonti di FDA e CDC. La scheda indica come partner ufficiali NEJM, JAMA e le sue 11 riviste specialistiche, NCCN, Nature, la Cochrane Library e Wiley, e aggiunge il testo integrale in licenza di diversi di essi, oltre ad accordi sui contenuti con società scientifiche come AAFP, ACC, ADA, AAP e ACOG. Da luglio 2026 una funzione chiamata EvidenceGrade valuta la forza delle evidenze alla base di ogni risposta, partendo dal sistema GRADE. I Termini d'uso di OpenEvidence dicono che il servizio ha solo scopi educativi e informativi e non sostituisce il giudizio clinico.

I modelli linguistici di base su cui poggia OpenEvidence non sono pubblici, come osservano gli autori di uno studio del 2026 su Nature Medicine. A settembre 2026 l'azienda ha rilasciato una propria famiglia di modelli: Osler, il modello predefinito per le risposte rapide; Sackett, un modello di ricerca più approfondita; e Snow, che scrive report più lunghi.

Cosa dice OpenEvidence della propria accuratezza?

OpenEvidence comunica la propria accuratezza soprattutto attraverso benchmark d'esame condotti dall'azienda stessa. Il 14 luglio 2023 OpenEvidence ha annunciato che la sua IA era stata la prima a superare il 90% all'USMLE, misurato sull'esame di esempio ufficiale del 2022. Il 15 agosto 2025 ha annunciato un punteggio perfetto del 100% all'USMLE. La sezione sui metodi spiega che il test ha usato le domande dell'esame di esempio pubblicate da Kung e colleghi nel 2023, ha escluso tutte le domande contenenti un'immagine, ha corretto un errore di registrazione in quel dataset e ha valutato una domanda dello Step 3 in base alla risposta di OpenEvidence anziché alla chiave ufficiale, dopo che sette psichiatri l'avevano esaminata dando ragione a OpenEvidence. Il 3 settembre 2026 OpenEvidence ha dichiarato che un nuovo modello di ricerca, Darwin, ha ottenuto il 100% su MedQA, il 72,8% su MedXpertQA, l'82,7% su HealthBench Professional e l'87,2% su NOHARM. Darwin è in anteprima di ricerca, disponibile solo su richiesta, quindi non è il modello che i clinici usano ogni giorno.

Tutti e tre i risultati provengono dagli annunci di OpenEvidence, non da test indipendenti, e una domanda d'esame di abilitazione fornisce ogni dato rilevante in un caso clinico pulito con un'unica risposta migliore, cosa che le domande cliniche reali fanno di rado.

Cosa hanno trovato gli studi indipendenti?

Il più ampio test indipendente di OpenEvidence finora lo ha trovato accurato, ma dietro tre chatbot generici. Vishwanath e colleghi della NYU Langone (Nature Medicine, 2026) hanno interrogato OpenEvidence tramite il suo sito web a settembre 2025 e a febbraio 2026 e lo hanno confrontato con UpToDate Expert AI, GPT-5.2, Gemini 3.1 Pro e Claude Opus 4.6. Su 500 domande d'esame MedQA, OpenEvidence ha ottenuto l'89,6%, contro il 97,4% di Gemini, il 94,2% di GPT-5.2, il 90,2% di Claude e l'88,4% di UpToDate Expert AI. Su 100 domande reali che i medici avevano posto a un'IA durante l'assistenza, 12 clinici in cieco hanno dato a OpenEvidence una media di 3,24 su una scala a 4 punti, contro 3,62 per Gemini. OpenEvidence ha ottenuto il punteggio più basso per chiarezza, e gli autori hanno scritto che il suo punto debole era la comunicazione, non le conoscenze. Contenuti dannosi e allucinazioni non differivano in modo significativo tra i sei sistemi testati. Gli autori definiscono i loro risultati un'istantanea di strumenti in rapida evoluzione, e non hanno valutato la qualità delle citazioni.

Un secondo studio è arrivato alla classifica opposta. Feng e colleghi (preprint su arXiv, giugno 2026, non sottoposto a revisione paritaria) hanno fatto confrontare a 149 medici statunitensi risposte in cieco a 620 domande reali poste su OpenEvidence, e i medici hanno preferito OpenEvidence a Claude Opus 4.8, Gemini 3.1 Pro e GPT-5.5 per accuratezza, utilità clinica, qualità delle fonti, verificabilità e completezza. L'articolo dichiara che nessuno degli autori è affiliato a OpenEvidence, ma che OpenEvidence ha co-sviluppato il piano di raccolta dei dati, ha svolto la raccolta e ha pagato i medici che hanno valutato le risposte.

OpenEvidence inventa i riferimenti bibliografici?

Gli studi finora hanno rilevato che i riferimenti di OpenEvidence sono reali, il che lo distingue dai chatbot che citano a memoria. Lotan e colleghi (npj Health Systems, 2026) hanno inviato a OpenEvidence 150 prompt standard in cinque specialità e hanno verificato tutte le 4.979 citazioni restituite: nessuna è risultata inventata, tre abstract presentavano errori di attribuzione e la maggior parte dei riferimenti era recente e proveniva da riviste ad alto impatto. Quello studio ha verificato se ogni riferimento esiste, non se sostiene la frase a cui è collegato. Hunter e colleghi (Hospital Pediatrics, 2026) hanno invece verificato il supporto: su 17 domande basate su linee guida in sei sottospecialità pediatriche, l'88,2% delle risposte è stato giudicato ben sostenuto dalle proprie citazioni, e OpenEvidence ha citato la linea guida principale per 15 delle 17 domande. Ma il 35,3% delle risposte citava studi non specifici per i bambini, quindi un articolo reale può comunque descrivere i pazienti sbagliati. I riferimenti reali sono il punto di partenza per verificare una risposta, non la prova che sia corretta.

Lo stesso studio ha valutato la qualità delle risposte con una mediana di 27 su 30, e 6 delle 17 risposte presentavano un certo potenziale di danno, nessuna sopra 3 sulla scala del danno a 7 punti dello studio.

Dove sono carenti le risposte di OpenEvidence?

Le risposte di OpenEvidence sono carenti soprattutto per completezza, informazioni sui farmaci e decisioni sfumate, secondo studi di specialità pubblicati nel 2026. Meyer e colleghi (American Surgeon, 2026) hanno testato 138 scenari di carcinoma del retto costruiti sulle linee guida NCCN: le risposte di OpenEvidence sono state giudicate corrette nel 92,8% e accurate nell'81,2% dei casi, contro il 98,6% e l'84,1% di ChatGPT-5, e gli autori hanno trovato entrambi gli strumenti limitati per completezza, sfumature e decisioni sensibili alle preferenze del paziente. In uno studio di farmacia di Issa e colleghi (American Journal of Health-System Pharmacy, 2026), OpenEvidence ha risposto correttamente al 40% di 20 domande di informazione sui farmaci, contro il 70% di ChatGPT 5.1, anche se le sue risposte hanno avuto il punteggio di qualità complessiva più alto tra gli strumenti di IA. Stephenson e colleghi della Mayo Clinic (Mayo Clinic Proceedings: Digital Health, 2026) hanno trovato che le 125 e-consulenze di OpenEvidence sulla steatosi epatica erano valutate meglio di quelle degli specialisti, ma 12 contenevano errori minori e una un errore potenzialmente grave.

In un test di triage di Jia e colleghi (International Journal of Medical Informatics, 2026), OpenEvidence era corretto nel 71,3% dei casi chiari a cui ha risposto, ha sottostimato il triage nel 12,5% delle emergenze e lo ha sovrastimato nel 68,0% dei casi gestibili a domicilio. I suoi errori tendevano verso la prudenza.

Quali limiti condividono tutti i motori di risposta con IA?

I motori di risposta con IA come OpenEvidence condividono limiti che derivano dal loro funzionamento, qualunque siano le loro fonti. Un motore di risposta prima recupera documenti, poi un modello linguistico ne scrive una sintesi, ed entrambi i passaggi possono andare storti. Gli autori dello studio su Nature Medicine richiamano evidenze secondo cui il recupero può ridurre le prestazioni quando viene recuperato materiale non pertinente o il modello lo integra male. Anche con fonti reali, una frase può dire più della sua fonte: Wu e colleghi (Nature Communications, 2025) hanno testato sette modelli diffusi su 800 domande mediche e hanno trovato che dal 50% al 90% delle risposte non era pienamente sostenuto dalle fonti citate, e talvolta ne era contraddetto; anche per GPT-4o con ricerca web, circa il 30% delle singole affermazioni non era sostenuto. Quello studio non ha testato OpenEvidence. I motori di risposta inoltre cambiano spesso: OpenEvidence ha rilasciato un nuovo modello predefinito, Osler, a settembre 2026, dopo che lo studio su Nature Medicine e quello di farmacia avevano raccolto le loro risposte, quindi i dati pubblicati potrebbero non descrivere la versione attuale.

Infine, una risposta fluida e ben citata si legge con la stessa sicurezza che sia completa o no. Verificare la fonte dietro l'affermazione su cui agisci è l'unica tutela affidabile.

Come verificare una risposta di OpenEvidence?

Puoi verificare una risposta di OpenEvidence, o di qualsiasi strumento di IA, in pochi minuti con gli stessi cinque passaggi. Primo, apri la citazione dietro la frase specifica su cui intendi agire e verifica che la fonte dica ciò che dice la frase; un riferimento reale può comunque essere collegato a un'affermazione che non sostiene. Secondo, verifica che la fonte abbia studiato gli stessi pazienti: lo studio pediatrico citato sopra ha trovato che circa un terzo delle risposte citava studi non specifici per i bambini. Terzo, controlla la data e il tipo di evidenza, perché una linea guida attuale pesa più di una revisione meno recente e un piccolo studio è più debole di una meta-analisi; la valutazione EvidenceGrade di OpenEvidence aiuta, ma leggi anche la fonte. Quarto, controlla di chi è l'indicazione, perché le linee guida NICE, statunitensi ed europee possono differire. Quinto, prendi qualsiasi posologia dal riassunto delle caratteristiche del prodotto aggiornato o dal prontuario locale, mai da una sintesi dell'IA.

Apri la citazione. Leggi la frase nella fonte stessa.
Confronta i pazienti. Adulti, bambini, gravidanza e funzione renale cambiano la risposta.
Controlla data e tipo. Prima la linea guida più recente, poi le revisioni sistematiche, poi i singoli studi.
Controlla di chi è l'indicazione. Segui la linea guida che si applica dove eserciti.
Prendi la posologia dalla scheda tecnica. Usa il riassunto delle caratteristiche del prodotto aggiornato.

Gli stessi cinque controlli valgono per OpenEvidence, AskMed, ChatGPT o qualsiasi altro strumento di IA.

Per ciò che gli studi hanno trovato sui chatbot generici, vedi ChatGPT è accurato per le domande mediche?

In cosa risponde diversamente AskMed?

AskMed è costruito perché ogni affermazione si possa verificare e perché chiunque lavori in medicina possa usarlo. Prima di scrivere qualsiasi risposta, AskMed consulta un elenco fisso di fonti mediche: riviste e banche dati come PubMed, la Cochrane Library, NEJM, The Lancet, JAMA e The BMJ; linee guida ed enti come NICE, OMS, CDC, ESC e KDIGO; le schede tecniche dei farmaci di FDA e DailyMed, oltre a registri come l'EMA per i nomi commerciali locali; e riferimenti come StatPearls e BMJ Best Practice. AskMed non consulta il web aperto, i forum o i social media. Ogni affermazione è seguita da un link alla sua fonte, su 8 fonti per impostazione predefinita, e i filtri delle fonti permettono di scegliere tipi di fonte, tipi di studio e da 3 a 12 fonti. Se non emerge alcuna fonte utilizzabile, AskMed mostra una risposta fissa che lo dice invece di rispondere a memoria. AskMed non fornisce mai posologie, funziona in tutto il mondo senza NPI o numero di abilitazione ed è disponibile su iPhone, iPad, Android e web.

Anche le risposte di AskMed sono scritte dall'IA, senza revisione umana prima che tu le veda, quindi anche AskMed può interpretare male una fonte; il punto è che ogni frase porta un link che puoi aprire. I Termini d'uso di OpenEvidence dicono che non è disponibile nel Regno Unito, nell'UE o nel SEE, e la registrazione richiede un NPI o un altro numero di abilitazione. Per il confronto dettagliato, vedi AskMed vs OpenEvidence e Alternative a OpenEvidence; per ogni fonte e limite, vedi Come risponde AskMed.

Domande frequenti

OpenEvidence è affidabile?

Per lo più, ma non sempre. Studi indipendenti hanno trovato risposte di alta qualità in diverse specialità e nessun riferimento inventato su 4.979 citazioni verificate, ma anche risposte incomplete, un'accuratezza del 40% su un piccolo gruppo di domande di informazione sui farmaci e punteggi di benchmark inferiori a tre chatbot di frontiera in uno studio del 2026 su Nature Medicine. Usa OpenEvidence come punto di partenza e apri la fonte dietro qualsiasi affermazione su cui agisci.

OpenEvidence ha davvero ottenuto il 100% all'USMLE?

OpenEvidence riferisce di sì, in un annuncio di agosto 2025. Il test ha usato le domande pubbliche dell'esame USMLE di esempio tratte da uno studio del 2023, senza le domande che contengono immagini, e ha conteggiato una domanda dello Step 3 in base alla risposta di OpenEvidence anziché alla chiave ufficiale. Il test è stato condotto da OpenEvidence e non è stato pubblicato su una rivista sottoposta a revisione paritaria.

OpenEvidence ha allucinazioni?

Meno dei chatbot generici per quanto riguarda i riferimenti: uno studio del 2026 non ha trovato alcun riferimento inventato su 4.979 citazioni di OpenEvidence. Nello studio del 2026 su Nature Medicine, il tasso di contenuti allucinati di OpenEvidence non differiva in modo significativo da quello degli altri cinque sistemi testati. Un riferimento reale può comunque essere collegato a un'affermazione che non sostiene pienamente, quindi aprilo.

OpenEvidence è più accurato di ChatGPT?

Gli studi non concordano. Uno studio del 2026 su Nature Medicine, sottoposto a revisione paritaria, ha collocato GPT-5.2, Gemini e Claude sopra OpenEvidence, mentre un preprint del 2026, la cui raccolta dati è stata svolta e pagata da OpenEvidence, ha trovato che i medici preferivano le risposte di OpenEvidence. Anche gli studi su singole specialità divergono. Per saperne di più, vedi OpenEvidence vs ChatGPT for Clinicians vs AskMed.

AskMed può sbagliare?

Sì. Le risposte di AskMed sono scritte dall'IA, quindi verifica la fonte collegata dietro qualsiasi affermazione su cui agisci, e tocca il pollice verso sotto una risposta per segnalare un errore.

AskMed fornisce le posologie dei farmaci?

No. AskMed non fornisce mai posologie, calcoli di dose o schemi di titolazione, nemmeno per le domande d'esame. Spiega comunque gli usi di un farmaco, come si sceglie e si adatta la posologia, il monitoraggio e gli effetti collaterali. Le quantità esatte vengono dal riassunto delle caratteristiche del prodotto aggiornato.