国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

在人工智能飛速發(fā)展的今天，醫(yī)療領(lǐng)域正經(jīng)歷著一場(chǎng)深刻的變革。OpenEvidence 作為一家專(zhuān)注于醫(yī)療AI的公司，正在通過(guò)其創(chuàng)新的產(chǎn)品和服務(wù)，改變醫(yī)生獲取和應(yīng)用醫(yī)學(xué)知識(shí)的方式。

醫(yī)療一直是 LLM 最具潛力的應(yīng)用場(chǎng)景之一。OpenEvidence 則是其中最受關(guān)注的公司。OpenEvidence 所處的賽道是醫(yī)療領(lǐng)域中一個(gè)關(guān)鍵且尚未被充分滿(mǎn)足的供需交叉點(diǎn)：臨床醫(yī)生對(duì)高效、可信且實(shí)時(shí)的循證醫(yī)學(xué)知識(shí)的需求，以及傳統(tǒng)靜態(tài)數(shù)據(jù)庫(kù)（如 UpToDate）在信息時(shí)效性、交互性和便捷性方面的滯后性。

CEO Nadler 在 No Priors 訪談中提到，醫(yī)生之所以迫切需要 OpenEvidence，是因?yàn)獒t(yī)學(xué)知識(shí)更新過(guò)快：畢業(yè)僅十年的醫(yī)生，可能就對(duì)最新藥物或療法一無(wú)所知；不同年齡段患者對(duì)同一病癥的最佳療法差異巨大；某些復(fù)雜病例甚至需要跨好幾個(gè)專(zhuān)科咨詢(xún)，但醫(yī)生的時(shí)間和精力有限。正是這些“盲區(qū)”，導(dǎo)致醫(yī)療差錯(cuò)成為美國(guó)第三大死因。

因此，OpenEvidence 的切入點(diǎn)不是低風(fēng)險(xiǎn)的文書(shū)工作，而是直擊臨床決策中最復(fù)雜和最關(guān)鍵的問(wèn)題。更重要的是，公司秉持一個(gè)理念：為專(zhuān)業(yè)人士做消費(fèi)級(jí)產(chǎn)品。傳統(tǒng)上，醫(yī)生等知識(shí)工作者被迫使用笨拙的 2B 工具，而 OpenEvidence 讓他們像普通消費(fèi)者一樣，在 App Store 下載一款流暢、即時(shí)可用的應(yīng)用。這一設(shè)計(jì)既重塑了醫(yī)療技術(shù)的分發(fā)模式，也讓醫(yī)生首次真正被當(dāng)作“個(gè)體用戶(hù)”來(lái)對(duì)待。它繞過(guò)了傳統(tǒng)機(jī)構(gòu)冗長(zhǎng)的采購(gòu)流程，以類(lèi)似消費(fèi)級(jí)產(chǎn)品的 PLG（產(chǎn)品驅(qū)動(dòng)增長(zhǎng)） 策略實(shí)現(xiàn)了病毒式傳播。

在這個(gè)過(guò)程中，OpenEvidence 發(fā)現(xiàn)其高效匹配醫(yī)生臨床需求的能力，在“決策點(diǎn)（Point-of-Care）”數(shù)據(jù)領(lǐng)域具有強(qiáng)烈的 PMF。因此，它將商業(yè)化重點(diǎn)從單純的工具提供，轉(zhuǎn)向“情境感知的藥品營(yíng)銷(xiāo)”服務(wù)，從一個(gè)醫(yī)生工具轉(zhuǎn)型為數(shù)據(jù)商業(yè)化平臺(tái)，成為醫(yī)療廣告市場(chǎng)的直接競(jìng)爭(zhēng)者。

OpenEvidence 目前成功吸引了超過(guò) 40% 的美國(guó)醫(yī)生用戶(hù)。在不到兩年的時(shí)間里，平臺(tái)每月處理的醫(yī)生咨詢(xún)量從 2024 年的 36 萬(wàn)次飆升至 2025 年的 850 萬(wàn)次，增長(zhǎng)超過(guò) 20 倍。在自身業(yè)務(wù)高速增長(zhǎng)的背景下，OpenEvidence 獲得了 Google Ventures 和 Kleiner Perkins 領(lǐng)投的 2.1 億美元 B 輪融資，投后估值攀升至 35 億美元。

01.核心論點(diǎn)

OpenEvidence 從根本上改變了醫(yī)生獲取和應(yīng)用醫(yī)學(xué)知識(shí)的方式

通過(guò)向醫(yī)生直接提供免費(fèi)的 AI chatbot 診斷助手，它繞過(guò)了傳統(tǒng)機(jī)構(gòu)冗長(zhǎng)的系統(tǒng)采購(gòu)流程實(shí)現(xiàn)了類(lèi)似消費(fèi)級(jí)產(chǎn)品的病毒式增長(zhǎng)。這種 PLG 戰(zhàn)略，正在取代 UpToDate 這樣靜態(tài)的數(shù)據(jù)庫(kù)，提供的是互動(dòng)式、按需的精準(zhǔn)循證答案，以秒為單位，而不是以小時(shí)為單位。截至目前，Openevidence 吸引了超過(guò) 40%的美國(guó)醫(yī)生用戶(hù)。最初由住院醫(yī)師引領(lǐng)，現(xiàn)在已成為主治醫(yī)師、執(zhí)業(yè)醫(yī)師助理（APP）以及超過(guò) 1 萬(wàn)家醫(yī)院的主流工具。

Source: Coatue EMW 2025

根據(jù) Coatue 在 2025 年 6 月 16 日發(fā)布的 Partnering with OpenEvidence 報(bào)告：

OpenEvidence 成為醫(yī)生數(shù)量增長(zhǎng)最快的平臺(tái)。該平臺(tái)已被包括加州大學(xué)舊金山分校（UCSF）醫(yī)學(xué)院主席 Robert Wachter 在內(nèi)的專(zhuān)家公認(rèn)為增長(zhǎng)最快的醫(yī)生平臺(tái)。

OpenEvidence 在網(wǎng)絡(luò)流量上超越 Doximity AI。過(guò)去十年，Doximity（紐交所上市公司） 一直是美國(guó)醫(yī)生的“數(shù)字名片 + 臨床網(wǎng)絡(luò)工具”，被視為 醫(yī)生線(xiàn)上互動(dòng)的黃金標(biāo)準(zhǔn)。其商業(yè)模式與 OpenEvidence 類(lèi)似，為制藥公司和醫(yī)療機(jī)構(gòu)提供精準(zhǔn)觸達(dá)醫(yī)生的數(shù)字化平臺(tái)。Doximity 覆蓋約 80% 的美國(guó)醫(yī)生，2025 財(cái)年收入 5.7 億美元，市值約 124 億美元。OpenEvidence 的使用量已經(jīng)是 Doximity AI 工具的 12 倍（截至 2025 年 6 月），流量全面超越 Doximity。OE 可能成為美國(guó)醫(yī)生使用最廣泛的數(shù)字平臺(tái)新標(biāo)準(zhǔn)。

醫(yī)生在 OpenEvidence 上花的時(shí)間超過(guò)傳統(tǒng)臨床平臺(tái)。傳統(tǒng)平臺(tái)如 Medscape、Epocrates、Doximity，一直是醫(yī)生線(xiàn)上學(xué)習(xí)和工作的重要工具?，F(xiàn)在 OpenEvidence 已經(jīng)超過(guò)所有這些平臺(tái)，成為醫(yī)生在數(shù)字化工具上花時(shí)間最多的平臺(tái)。

OpenEvidence 樹(shù)立了醫(yī)生參與度的新標(biāo)桿。醫(yī)生在 OpenEvidence 平均每次會(huì)話(huà)停留 13.3 分鐘。這比在 Doximity 上長(zhǎng) 4 倍，比和傳統(tǒng)藥企醫(yī)藥代表互動(dòng)時(shí)間長(zhǎng) 7 倍。這說(shuō)明 OpenEvidence 既能讓醫(yī)生持續(xù)投入，也能給廣告主（藥企、器械廠商）帶來(lái)遠(yuǎn)高于傳統(tǒng)渠道的轉(zhuǎn)化效率。

醫(yī)生使用量快速增長(zhǎng)： 過(guò)去一年，OpenEvidence 的查詢(xún)量增長(zhǎng)了 37 倍，目前每月處理美國(guó)醫(yī)生的 700 萬(wàn)次醫(yī)療問(wèn)題。

OpenEvidence 的護(hù)城河：由高質(zhì)量語(yǔ)料、海量用戶(hù)交互和商業(yè)化應(yīng)用構(gòu)建的數(shù)據(jù)飛輪

頂級(jí)、專(zhuān)有的醫(yī)學(xué)知識(shí)：OpenEvidence 與《新英格蘭醫(yī)學(xué)雜志》、《美國(guó)醫(yī)學(xué)會(huì)雜志》及其所有專(zhuān)科期刊建立了內(nèi)容合作關(guān)系。這使其能夠合法地使用大量受版權(quán)保護(hù)的、經(jīng)過(guò)嚴(yán)格同行評(píng)審的黃金標(biāo)準(zhǔn)級(jí)醫(yī)學(xué)內(nèi)容進(jìn)行模型訓(xùn)練。這是通用型 AI（或資金不足的初創(chuàng)公司無(wú)法企及的。同時(shí)，OpenEvidence 全面覆蓋了 PubMed 等公共數(shù)據(jù)庫(kù)，模型會(huì)進(jìn)行每晚的 LLM 再訓(xùn)練，吸收最新的文獻(xiàn)，這解決了傳統(tǒng)工具（如 UpToDate）依賴(lài)數(shù)千名作者手動(dòng)更新導(dǎo)致的滯后性問(wèn)題，信息更有時(shí)效性。

用戶(hù)數(shù)據(jù)飛輪：在不到兩年的時(shí)間里，平臺(tái)吸引了超過(guò) 40%的美國(guó)醫(yī)生，每月處理的醫(yī)生咨詢(xún)量從 2024 年的 36 萬(wàn)次飆升至 2025 年的 850 萬(wàn)次，增長(zhǎng)超過(guò) 20 倍。每一次用戶(hù)查詢(xún)都是一個(gè)寶貴的數(shù)據(jù)點(diǎn)。這些數(shù)據(jù)揭示了臨床醫(yī)生在真實(shí)工作流中遇到的真實(shí)問(wèn)題，OE 可以利用這些數(shù)據(jù)識(shí)別模型的知識(shí)盲點(diǎn)、優(yōu)化答案相關(guān)性、驗(yàn)證模型準(zhǔn)確性（比如用戶(hù)的后續(xù)行為，如點(diǎn)擊哪個(gè)引用鏈接為模型的答案提供了隱性反饋）。

商業(yè)化數(shù)據(jù)引擎：“決策點(diǎn)”數(shù)據(jù)。平臺(tái)的收入來(lái)自“情境感知的藥品營(yíng)銷(xiāo)” 。廣告的投放是基于醫(yī)生當(dāng)下正在研究的臨床問(wèn)題，比如當(dāng)一名腫瘤科醫(yī)生正在查詢(xún)特定基因突變的治療方案時(shí)，向他展示相關(guān)新藥的廣告，其價(jià)值“指數(shù)級(jí)高于”在社交平臺(tái)（如 Doximity）信息流中看到的廣告。這讓 OpenEvidence 的廣告位擁有很大的溢價(jià)空間。

收入當(dāng)前靠廣告，未來(lái)會(huì)是廣告、訂閱雙輪驅(qū)動(dòng)

OE 目前的收入幾乎完全來(lái)自與上下文相關(guān)的藥品營(yíng)銷(xiāo)：OE 直接切入了龐大的制藥與醫(yī)療器械營(yíng)銷(xiāo)預(yù)算。在醫(yī)生做臨床決策的瞬間嵌入相關(guān)、精準(zhǔn)的藥物信息（例如醫(yī)生在研究治療方案時(shí)展示某新藥的循證數(shù)據(jù)），能為廣告主帶來(lái)更高的 ROI。

公司已開(kāi)始試點(diǎn)基于席位的許可證（比 UpToDate 便宜約 20-30%）和按使用量計(jì)費(fèi)的 API 接口，商業(yè)模式向企業(yè)級(jí)轉(zhuǎn)變。

Founder-Market Fit

公司 CEO Daniel Nadler 擁有哈佛大學(xué)經(jīng)濟(jì)學(xué)博士學(xué)位，曾創(chuàng)立 Kensho Technologies，以 5.5 億美元被收購(gòu)。團(tuán)隊(duì)由來(lái)自哈佛和麻省理工學(xué)院的 AI 人才組成，其開(kāi)發(fā)專(zhuān)門(mén)的模型，在醫(yī)學(xué)委員會(huì)考試中的錯(cuò)誤率比通用大型語(yǔ)言模型低 77%。

潛在風(fēng)險(xiǎn)

來(lái)自傳統(tǒng)巨頭和科技大公司的競(jìng)爭(zhēng)

傳統(tǒng)臨床內(nèi)容平臺(tái)的“信任+分銷(xiāo)” 優(yōu)勢(shì)：UpToDate、ClinicalKey、BMJ 等傳統(tǒng) CDS 平臺(tái)，雖然產(chǎn)品迭代緩慢，但它們?cè)趯W(xué)術(shù)權(quán)威性和醫(yī)院采購(gòu)關(guān)系上有較深的護(hù)城河。這些傳統(tǒng)巨頭推出基于自身權(quán)威數(shù)據(jù)庫(kù)的 LLM/對(duì)話(huà)式工具，可能成為 OpenEvidence 的直接替代品。但是 OE 目前數(shù)據(jù)增長(zhǎng)勢(shì)頭使這件事發(fā)生的可能性很小。

AI 原生工作流初創(chuàng)公司（如 Abridge、Ambience、Suki）占據(jù)醫(yī)生最核心的工作流環(huán)節(jié)（病歷記錄、EHR 接口、醫(yī)囑、計(jì)費(fèi)）。如果它們成功嵌入醫(yī)生日常操作，OE 可能被邊緣化成參考工具，很難進(jìn)入臨床交易閉環(huán)。

大廠（Google、Microsoft） 擁有模型能力、云服務(wù)渠道、EHR 分銷(xiāo)能力，一旦整合臨床級(jí)助手與 EHR 深度綁定，擴(kuò)張速度可能遠(yuǎn)超 OpenEvidence。

如何在利用廣告實(shí)現(xiàn)商業(yè)化的同時(shí)保持平臺(tái)的中立性？

廣告模式的成功取決于能否保持醫(yī)生的信任。平臺(tái)必須在商業(yè)化和維護(hù)臨床建議的完整性之間找到平衡。如果未能阻止廣告商帶來(lái)的感知或?qū)嶋H偏見(jiàn)，其用戶(hù)基礎(chǔ)和信譽(yù)可能會(huì)迅速流失，而這正是公司的核心資產(chǎn)。

02.市場(chǎng)格局

OpenEvidence 的 TAM 是兩個(gè)市場(chǎng)的交集：重新分配美國(guó)每年超過(guò) 200 億美元 的 醫(yī)療健康專(zhuān)業(yè)人士（HCP） 營(yíng)銷(xiāo)預(yù)算，以及全球 166 億美元 的 臨床決策支持系統(tǒng)（CDS） 市場(chǎng)份額。

醫(yī)療健康專(zhuān)業(yè)人士（HCP）市場(chǎng)

美國(guó) 2024 年面向醫(yī)生的推廣預(yù)算約為 280 億美元。 其中約 90-100 億美元已用于數(shù)字渠道，而仍有 190 億美元（約 68%）用于現(xiàn)場(chǎng)銷(xiāo)售代表。我們對(duì)未來(lái)五年的展望顯示，數(shù)字和即時(shí)護(hù)理（POC）渠道將以 9-11% 的復(fù)合年增長(zhǎng)率增長(zhǎng)，而醫(yī)藥代表預(yù)算保持不變，到 2029 年將額外轉(zhuǎn)移 40-50 億美元到可衡量、內(nèi)容豐富的媒體渠道。

IQVIA/Kantar 估計(jì)美國(guó)商業(yè)推廣總額約為 300 億美元，其中數(shù)字渠道占 HCP 和 DTC（直接面向消費(fèi)者）受眾的約 100 億美元。

ZS Associates 指出，盡管 HCP 的接觸機(jī)會(huì)在減少，但超過(guò) 50% 的銷(xiāo)售、總務(wù)和行政費(fèi)用仍然流向銷(xiāo)售代表和品牌營(yíng)銷(xiāo)。

IQVIA ChannelDynamics 的數(shù)據(jù)顯示，面對(duì)面拜訪仍然是最大的單一聯(lián)系驅(qū)動(dòng)因素（在 2023 年占所有被回憶的推廣量的 39%）。

綜合這些來(lái)源，我們將 300 億美元中的約 93% 歸為面向 HCP 的支出（不包括 DTC 大眾媒體），得出 280 億美元的市場(chǎng)規(guī)模。

由于銷(xiāo)售代表的固定薪資、接觸方式以及 MLR（醫(yī)療損失率） 的滯后性，在未來(lái) 3-5 年內(nèi)，預(yù)計(jì)只有 10-15% 的銷(xiāo)售代表支出（約 20-30 億美元）是現(xiàn)實(shí)上可轉(zhuǎn)移的。要贏得這部分資金，需要有閉環(huán)的、處方量增長(zhǎng)的證據(jù)，且增長(zhǎng)貢獻(xiàn)要超過(guò)每位銷(xiāo)售代表每年約 12-15 萬(wàn)美元的貢獻(xiàn)。

數(shù)字渠道（程序化 + 即時(shí)護(hù)理）目前已占總支出的 18%，預(yù)計(jì)到 2029 年將上升到約 30%。除了渠道轉(zhuǎn)移，還有積極的市場(chǎng)趨勢(shì)：Doximity 的財(cái)報(bào)電話(huà)會(huì)議顯示，中型和中小型制藥企業(yè)的營(yíng)銷(xiāo)支出在過(guò)去 6-9 個(gè)月“強(qiáng)勁回歸”，這是疫情以來(lái)首次看到制藥營(yíng)銷(xiāo)的全面復(fù)蘇。

全球臨床決策支持系統(tǒng)（CDS）市場(chǎng)

根據(jù) Frost & Sullivan 的預(yù)測(cè)，全球 CDS 市場(chǎng)到 2030 年將達(dá)到 166 億美元，年復(fù)合增長(zhǎng)率為 7.6% 。臨床醫(yī)生職業(yè)倦怠加劇、EHR 數(shù)據(jù)量激增以及 LLM 推理成本的急劇下降，正推動(dòng)市場(chǎng)轉(zhuǎn)向能在 15 秒內(nèi)提供簡(jiǎn)潔、帶來(lái)源鏈接答案的 AI 工具。

核心論點(diǎn)是重新分配制藥和醫(yī)療器械公司每年用于影響醫(yī)生決策的預(yù)算，將數(shù)十億美元從低投資回報(bào)率（ROI）的線(xiàn)下渠道（如銷(xiāo)售代表、醫(yī)學(xué)會(huì)議）轉(zhuǎn)移到高投資回報(bào)率、數(shù)字化的即時(shí)護(hù)理平臺(tái)。

Top down

底線(xiàn)：UpToDate（訂閱模式）

UpToDate 年收入約 5.76 億美元，說(shuō)明醫(yī)生確實(shí)愿意為臨床決策信息付費(fèi)。但訂閱模式上限有限。

直接對(duì)標(biāo)：Doximity（廣告模式）

Doximity 是美國(guó)醫(yī)生的專(zhuān)業(yè)社交網(wǎng)絡(luò)，其商業(yè)模式在原則上與 OpenEvidence 非常相似：為制藥公司和醫(yī)療機(jī)構(gòu)提供數(shù)字化平臺(tái)，精準(zhǔn)觸達(dá)醫(yī)生用戶(hù)。截至 2025 年 3 月 31 日的財(cái)年，Doximity 的總收入為 5.704 億美元，市值約 124 億美元，覆蓋了 80% 的美國(guó)醫(yī)生。

值得注意的是，Doximity 的 “營(yíng)銷(xiāo)解決方案” 業(yè)務(wù)擁有高毛利和極低的邊際成本。其 Adjusted EBITDA Margin 從 2021 財(cái)年上市時(shí)的約 31% 上升到 2025 財(cái)年的 55%。

Doximity 的成功驗(yàn)證了 OpenEvidence 的路徑：擁有大量、高度活躍醫(yī)生用戶(hù)的平臺(tái)，可以通過(guò)廣告模式實(shí)現(xiàn)數(shù)億美元級(jí)別的收入，遠(yuǎn)超訂閱模式的天花板。

Doximity 將 TAM 分為三部分，共 185 億美元，集中于制藥公司與醫(yī)療機(jī)構(gòu)的營(yíng)銷(xiāo)收入與招聘收入。

制藥營(yíng)銷(xiāo)（Pharmaceutical Marketing） 指制藥廠商每年用于針對(duì)醫(yī)生的數(shù)字營(yíng)銷(xiāo)總支出，規(guī)模約 78 億美元。

醫(yī)療系統(tǒng)營(yíng)銷(xiāo)與人員配置（Health System Marketing and Staffing） 包括醫(yī)院營(yíng)銷(xiāo)支出，以及來(lái)自臨時(shí)醫(yī)生租賃和永久人員配置解決方案的收入機(jī)會(huì)，規(guī)模約 69 億美元。

遠(yuǎn)程醫(yī)療（Telehealth） 指向醫(yī)療服務(wù)機(jī)構(gòu)和個(gè)人銷(xiāo)售遠(yuǎn)程醫(yī)療服務(wù)所帶來(lái)的收入機(jī)會(huì)，規(guī)模約 43 億美元。

Doximity 偏向“社交”，而 OpenEvidence 在 “臨床決策點(diǎn)（Point-of-Care）” 與醫(yī)生互動(dòng)，商業(yè)價(jià)值更高。決策點(diǎn)庫(kù)存持續(xù)顯示處方量有 10-30% 的增長(zhǎng)，是標(biāo)準(zhǔn)展示廣告的 3-5 倍，這支持了其高達(dá) 80-100 美元以上的 千次展示成本（eCPM）。如果 OpenEvidence 嵌入確定性的國(guó)家執(zhí)業(yè)醫(yī)師注冊(cè)號(hào)（NPI） 數(shù)據(jù)分析和預(yù)先批準(zhǔn)的廣告模板，它可以在避免與根深蒂固的銷(xiāo)售代表預(yù)算直接競(jìng)爭(zhēng)的情況下，獲得 20-30 億美元轉(zhuǎn)移預(yù)算中的實(shí)質(zhì)性份額。

綜上來(lái)看，OpenEvidence 未來(lái)有望：

• 取代 UpToDate 的訂閱市場(chǎng)
• 在數(shù)字營(yíng)銷(xiāo)廣告上，有潛力超過(guò) Doximity 現(xiàn)有的 TAM
• 搶占原本投向醫(yī)藥代表、學(xué)術(shù)會(huì)議的數(shù)十億美元預(yù)算

搶占占總體營(yíng)銷(xiāo)預(yù)算近 70%的醫(yī)藥代表預(yù)算有一定的困難，轉(zhuǎn)移這些預(yù)算不僅是財(cái)務(wù)問(wèn)題；它也是一個(gè)復(fù)雜的組織和文化挑戰(zhàn)。內(nèi)部惰性是一個(gè)巨大的障礙，品牌團(tuán)隊(duì)在面臨市場(chǎng)壓力時(shí)可能會(huì)默認(rèn)選擇“久經(jīng)考驗(yàn)”的銷(xiāo)售代表模式。預(yù)算通常是孤立的，營(yíng)銷(xiāo)、醫(yī)療事務(wù)和現(xiàn)場(chǎng)銷(xiāo)售團(tuán)隊(duì)各自為政，預(yù)算重新分配緩慢且充滿(mǎn)政治色彩。所以要克服這種摩擦，OE 必須提供一個(gè)無(wú)可辯駁、有數(shù)據(jù)支持的價(jià)值，能夠超越傳統(tǒng)的孤島。

Bottom up

目標(biāo)用戶(hù)數(shù)：

OpenEvidence 目前擁有 30 萬(wàn)至 40 萬(wàn)的月活躍用戶(hù) （MAU）。

OpenEvidence 的目標(biāo)是達(dá)到與 Doximity 相似的用戶(hù)滲透率。Doximity 的用戶(hù)覆蓋了超過(guò) 80%的美國(guó)醫(yī)生。

美國(guó)大約有 100 萬(wàn)名執(zhí)業(yè)醫(yī)生。Doximity 級(jí)別的用戶(hù)滲透率意味著約 80 萬(wàn)名醫(yī)生的核心目標(biāo)用戶(hù)基數(shù)。

每用戶(hù)平均收入（ARPU）：

廣告：對(duì)標(biāo) Doximity

Doximity 年收入：$4.7 億美元 （2024 財(cái)年）。

Doximity 用戶(hù)基數(shù)：約 80 萬(wàn)名醫(yī)生。

ARPU：$588/每位醫(yī)生每年。但是 OpenEvidence “決策點(diǎn)” 的更高價(jià)值使其有每用戶(hù)平均收入（ARPU） 提升潛力，OpenEvidence 的廣告位能為藥企帶來(lái)更高的投資回報(bào)率，每用戶(hù)平均收入（ARPU） 的天花板應(yīng)高于 Doximity 的 588 美元。

CDS：對(duì)標(biāo) UpToDate

UpToDate 模型：約 $500/席位/年，對(duì)應(yīng)全球 $5.95 億收入（≈119 萬(wàn)席位用戶(hù)，含醫(yī)院 + 個(gè)人訂閱）。

如果 OpenEvidence 能夠逐步替代 UpToDate，則可以以更低價(jià)格（便宜 20–30%）但更高滲透率切入。所以假設(shè)未來(lái) OE 平均 ARPU ≈ $350–400/醫(yī)生/年

這樣來(lái)計(jì)算，保守的可服務(wù)市場(chǎng)（Serviceable Market）約為 10 億美元。

03.產(chǎn)品與技術(shù)

產(chǎn)品

OpenEvidence 是專(zhuān)注于輔助醫(yī)學(xué)診斷的 deepresearch 產(chǎn)品，為醫(yī)生和醫(yī)學(xué)生提供高效、精準(zhǔn)的臨床支持。其交互界面設(shè)計(jì)獨(dú)特，每個(gè)回答都附帶交叉引用編號(hào)和文獻(xiàn)列表，確保信息的可追溯性和可驗(yàn)證性。

產(chǎn)品提供“雙響應(yīng)模式”:Care Guidelines（護(hù)理指南）和 Clinical Evidence（臨床證據(jù)），一側(cè)關(guān)注實(shí)踐建議，一側(cè)關(guān)注理論數(shù)據(jù)支持。每個(gè)答案后均附可能的后續(xù)問(wèn)題，用戶(hù)可以進(jìn)行多輪深入互動(dòng)。

高頻任務(wù)：

臨床診療支持：醫(yī)生可以在查房時(shí)通過(guò)手機(jī)或網(wǎng)頁(yè)確認(rèn)藥物劑量、禁忌癥或最新指南。在癥狀分析模塊，可解釋模糊癥狀、識(shí)別潛在原因并建議檢測(cè)路徑。其治療決策支持功能基于最新研究推薦方案，對(duì)藥物療效和耐藥性進(jìn)行比較，尤其適用于罕見(jiàn)和復(fù)雜病例。產(chǎn)品還包括了50+ 臨床計(jì)算器涵蓋高頻場(chǎng)景，如疾病評(píng)分和藥物劑量計(jì)算，簡(jiǎn)化復(fù)雜計(jì)算流程。例如 CHA2DS2-VASc 評(píng)分。（該評(píng)分通過(guò)患者年齡、性別、心衰、高血壓、糖尿病、卒中史等因素計(jì)算風(fēng)險(xiǎn)分?jǐn)?shù)，幫助醫(yī)生判斷 AF 患者發(fā)生卒中的概率）

復(fù)雜病例的快速證據(jù)綜合：醫(yī)生可以通過(guò)提示詞讓大語(yǔ)言模型（LLM）匯總關(guān)鍵試驗(yàn)，并提供帶有內(nèi)聯(lián) PubMed 鏈接的摘要。

行政及工作流輔助：住院醫(yī)師報(bào)告稱(chēng)，他們會(huì)直接將 OE 生成的、富含引用的信函粘貼到保險(xiǎn)公司的門(mén)戶(hù)網(wǎng)站，取代了手動(dòng)文獻(xiàn)檢索。還有患者出院說(shuō)明及其他醫(yī)療文檔，并自動(dòng)附帶引用。

醫(yī)學(xué)知識(shí)追蹤與學(xué)習(xí)功能：結(jié)構(gòu)化知識(shí)更新，每日精選最新論文，生成可視化圖表，并提供按專(zhuān)業(yè)分類(lèi)的摘要

2025年7月15日，OpenEvidence 推出 DeepConsult，這是首個(gè)為醫(yī)生設(shè)計(jì)的 AI 助手，可在醫(yī)生繁忙時(shí)自主分析數(shù)百篇同行評(píng)議研究。醫(yī)生可在休息前提交問(wèn)題，返回后即可獲得博士級(jí)別的證據(jù)綜合結(jié)果。

處理復(fù)雜、深入的臨床問(wèn)題，超越以速度為核心的 OpenEvidence 搜索。

揭示跨學(xué)科洞察并生成循證報(bào)告。

向全美醫(yī)生免費(fèi)提供服務(wù)，盡管每次運(yùn)行的計(jì)算成本是標(biāo)準(zhǔn)搜索的 100 倍。

技術(shù)

OpenEvidence 是首個(gè)在美國(guó)執(zhí)業(yè)醫(yī)師資格考試（USMLE）中得分超過(guò) 90% 的 AI 系統(tǒng)。它在全部三項(xiàng)考試中的表現(xiàn)均優(yōu)于 ChatGPT，錯(cuò)誤率低 77%，顯著減少了通用 AI 模型常見(jiàn)的“幻覺(jué)”問(wèn)題。這種可靠性增強(qiáng)了醫(yī)生對(duì) AI 助手的信任，為醫(yī)療 AI 的實(shí)用性和可信度樹(shù)立了新標(biāo)準(zhǔn)。

注： USMLE 是美國(guó)醫(yī)學(xué)生獲取臨床執(zhí)業(yè)資格的唯一資格考試?？荚嚪譃槿?，分別側(cè)重于基礎(chǔ)醫(yī)學(xué)科學(xué)、臨床醫(yī)學(xué)和技能應(yīng)用。

自 2022 年成立以來(lái)，OpenEvidence 采取了獨(dú)特的技術(shù)路徑，專(zhuān)注于更小、更專(zhuān)業(yè)的模型，這與業(yè)界普遍強(qiáng)調(diào)大型通用語(yǔ)言模型（LLM）的趨勢(shì)不同。盡管這一選擇限制了模型的泛化能力，但卻極大地增強(qiáng)了其在專(zhuān)業(yè)醫(yī)療領(lǐng)域的準(zhǔn)確性和可靠性。

2023年，OpenEvidence 的研究論文《我們還需要臨床語(yǔ)言模型嗎》進(jìn)一步驗(yàn)證了這一決策的正確性。該論文指出，在醫(yī)療領(lǐng)域，更小、更專(zhuān)業(yè)的模型表現(xiàn)優(yōu)于大型通用模型，并因此獲得了當(dāng)年機(jī)器學(xué)習(xí)與醫(yī)療健康大會(huì)的最佳論文獎(jiǎng)。

創(chuàng)始人 Daniel Nadler 引用了科幻作家 Ted Chiang 的比喻，指出“大型語(yǔ)言模型就像是世界的‘JPEG 壓縮’”，強(qiáng)調(diào)了其廣泛適用性是以犧牲細(xì)節(jié)準(zhǔn)確性為代價(jià)的。相比之下，OpenEvidence 優(yōu)先在醫(yī)療領(lǐng)域進(jìn)行高質(zhì)量的“壓縮”，確保準(zhǔn)確性和可靠性，為醫(yī)療 AI 提供精準(zhǔn)、值得信賴(lài)的支持。

數(shù)據(jù)來(lái)源策略：

純凈知識(shí)庫(kù)： 僅使用來(lái)自政府機(jī)構(gòu)（如 FDA 和 CDC）、頂級(jí)期刊（如《新英格蘭醫(yī)學(xué)雜志》NEJM）以及專(zhuān)業(yè)協(xié)會(huì)指南的公開(kāi)醫(yī)療文獻(xiàn)進(jìn)行模型訓(xùn)練。這種方法構(gòu)建了一個(gè)“純血”的知識(shí)庫(kù)，其來(lái)源從超過(guò) 3600 萬(wàn)份 PubMed 摘要到完整的 NEJM 集團(tuán)文獻(xiàn)集，使用了超過(guò) 4 億個(gè)同行評(píng)審的生物醫(yī)學(xué)證據(jù)點(diǎn)。

質(zhì)量分級(jí)： 建立了數(shù)據(jù)質(zhì)量分級(jí)系統(tǒng)，從多個(gè)維度（如發(fā)表日期、影響因子、引用次數(shù)）對(duì)文獻(xiàn)進(jìn)行評(píng)分，優(yōu)先使用權(quán)重更高的證據(jù)，以進(jìn)一步確?；卮鸬目茖W(xué)準(zhǔn)確性和權(quán)威性。

實(shí)時(shí)更新： 每日訪問(wèn)美國(guó)國(guó)家醫(yī)學(xué)圖書(shū)館的數(shù)據(jù)庫(kù)，選擇相關(guān)的期刊文章添加到其知識(shí)庫(kù)中，從而保持文獻(xiàn)的最新性。

隔離策略： 避免連接公共互聯(lián)網(wǎng)，從而杜絕了來(lái)自健康博客和社交媒體等非專(zhuān)業(yè)來(lái)源的不準(zhǔn)確信息和泛化數(shù)據(jù)，顯著降低了 AI 產(chǎn)生“幻覺(jué)”的風(fēng)險(xiǎn)。

集成模型架構(gòu)：

檢索增強(qiáng)生成（RAG）路徑： 遵循 RAG 技術(shù)路徑，利用多個(gè)協(xié)作的小型模型（如檢索、排序和驗(yàn)證模型）共同構(gòu)成一個(gè)集成系統(tǒng)。

交叉驗(yàn)證： 每個(gè)模型負(fù)責(zé)一個(gè)特定任務(wù)，通過(guò)交叉驗(yàn)證來(lái)提高結(jié)果的可靠性。與傳統(tǒng)的單一模型相比，這種設(shè)計(jì)顯著降低了 AI“幻覺(jué)”的風(fēng)險(xiǎn)。

優(yōu)化查詢(xún)： 采用了專(zhuān)門(mén)的檢索和排序模型，以?xún)?yōu)化醫(yī)療文獻(xiàn)查詢(xún)的效率。

04.客戶(hù)洞察

目前已經(jīng)被約 40% 美國(guó)醫(yī)生采用，對(duì)應(yīng) ～40 萬(wàn) MAU，每月醫(yī)生咨詢(xún)量達(dá)到 850 萬(wàn)次（2025 年 7 月）。每月新增 65,000 名認(rèn)證臨床醫(yī)生注冊(cè)，覆蓋超過(guò) 10,000 家醫(yī)院和醫(yī)療中心。

以一位醫(yī)生使用 OpenEvidence 的典型案例為例：

案例分析

臨床挑戰(zhàn)： 皮膚科醫(yī)生在治療同時(shí)患有銀屑病和多發(fā)性硬化癥（MS）的患者時(shí)面臨兩難：既要有效治療銀屑病，又不能加重多發(fā)性硬化癥。傳統(tǒng)方法要求醫(yī)生查閱多個(gè)專(zhuān)業(yè)領(lǐng)域的最新研究，而這些信息通常分散在冗長(zhǎng)的論文中，難以快速獲取。

OpenEvidence 解決方案： 醫(yī)生可以直接向系統(tǒng)提問(wèn)：“對(duì)于同時(shí)患有銀屑病和多發(fā)性硬化癥的患者，IL-17 抑制劑 和 IL-23 抑制劑 的安全性如何比較？” 系統(tǒng)會(huì)根據(jù)最新的醫(yī)學(xué)文獻(xiàn)迅速給出答案：對(duì)于此類(lèi)患者，IL-23 抑制劑比 IL-17 抑制劑 更安全，并附上具體的參考文獻(xiàn)。

臨床價(jià)值： OpenEvidence 幫助醫(yī)生快速獲取關(guān)鍵信息，避免因治療不當(dāng)而加重患者的多發(fā)性硬化癥，同時(shí)又能有效治療銀屑病，直接改善患者的生活質(zhì)量和疾病預(yù)后。

客戶(hù)評(píng)價(jià)：用戶(hù)喜歡的方面：

高事實(shí)可靠性和低幻覺(jué)率：一位哈佛內(nèi)科醫(yī)生報(bào)告稱(chēng)，在使用數(shù)月后僅發(fā)現(xiàn)一個(gè)錯(cuò)誤答案，且“沒(méi)有明顯的幻覺(jué)”。一項(xiàng)外部研究發(fā)現(xiàn)，OE 在骨關(guān)節(jié)病例中的表現(xiàn)“優(yōu)于五種其他 LLM”，并率先在 USMLE（美國(guó)執(zhí)業(yè)醫(yī)師資格考試）風(fēng)格的測(cè)試中準(zhǔn)確率超過(guò) 90%。

透明的來(lái)源引用：所有答案都附有 PubMed 或 NEJM 的內(nèi)聯(lián)鏈接，便于快速驗(yàn)證。這是其與 ChatGPT-4o 和 Gemini 等通用 AI 的主要區(qū)別。

速度：10-15 秒內(nèi)即可提供答案，每次查詢(xún)節(jié)省數(shù)分鐘。

用戶(hù)抱怨的痛點(diǎn)：

EHR 整合不足：需要單獨(dú)登錄，無(wú)法在電子病歷系統(tǒng)內(nèi)無(wú)縫使用。

CME 學(xué)分（ Continuing Medical Education，繼續(xù)醫(yī)學(xué)教育學(xué)分）不通用：雖然通過(guò) NEJM 提供免費(fèi)的微型 CME 學(xué)分，但尚未覆蓋所有專(zhuān)科。

專(zhuān)業(yè)領(lǐng)域深度不足：在處理高風(fēng)險(xiǎn)決策時(shí)，醫(yī)生仍然會(huì)用 UpToDate 進(jìn)行二次驗(yàn)證

*各州醫(yī)學(xué)委員會(huì)（State Medical Boards）通常要求醫(yī)生每年或每隔幾年完成一定數(shù)量的 CME 學(xué)分，才能保持執(zhí)照的有效性

05.商業(yè)模式及收入預(yù)測(cè)

OpenEvidence 的商業(yè)模式正在從免費(fèi)增值向企業(yè)級(jí)收費(fèi)演變。

變現(xiàn)方式：

制藥公司、醫(yī)療器械廠商以及其他醫(yī)療健康相關(guān)方的定向廣告。核心搜索體驗(yàn)免費(fèi)，以最大化用戶(hù)參與度和數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)，這也是其廣告業(yè)務(wù)的基礎(chǔ)。廣告會(huì)嵌入到醫(yī)生的工作流程中，例如：當(dāng)醫(yī)生查閱免疫療法研究時(shí)，展示 PD-1 抑制劑的信息；在回顧糖尿病病例時(shí)，提供 SGLT2 抑制劑相關(guān)數(shù)據(jù)。通過(guò)將廣告內(nèi)容與臨床決策緊密結(jié)合，OpenEvidence 的廣告轉(zhuǎn)化效率遠(yuǎn)超傳統(tǒng)互聯(lián)網(wǎng)消費(fèi)類(lèi)平臺(tái)。

訂閱制。包括基于席位的許可證，將 OE 嵌入 EHR，解鎖針對(duì)特定患者的模板。以及按使用量計(jì)費(fèi)的 API，為第三方工具（如 AI 醫(yī)療文書(shū)助手）提供動(dòng)力。

收入及 ARPU

假設(shè)：

用戶(hù)規(guī)模

當(dāng)前（2025 年中）：約 40% 美國(guó)醫(yī)生，對(duì)應(yīng) ～40 萬(wàn) MAU（source: Sacra 和 AlphaSense）

增長(zhǎng)率：20% YoY（基礎(chǔ)情景）；樂(lè)觀情景下 25% YoY。

收入來(lái)源結(jié)構(gòu)

廣告：2025 年仍是絕對(duì)核心，占 ～95%+ 收入。隨著 API/訂閱啟動(dòng)，到 2028 年降至 ～50%。

企業(yè)訂閱（席位許可證）：2026 年起逐步放量，價(jià)格比 UpToDate 低 20–30%（假設(shè) ～$350/席位/年 vs UpToDate $500）。

API：2027 年起逐漸貢獻(xiàn)收入，目標(biāo)是支持 B2B 工具和 EHR 集成。

支付意愿（WTP）與轉(zhuǎn)化率

席位轉(zhuǎn)化率：基礎(chǔ)情景 15%，樂(lè)觀情景 30%。

廣告 CPM 提升：預(yù)計(jì)每年 ～10–15% 提升。

1.未來(lái)增長(zhǎng)驅(qū)動(dòng)力會(huì)轉(zhuǎn)移：

2025–2026 → 廣告仍是核心（藥企高 WTP）。

2026–2027 → 企業(yè)訂閱放量，部分替代 UpToDate 開(kāi)支。

2027–2029 → API 與 B2B 成為第三增長(zhǎng)曲線(xiàn)，推動(dòng) ARR 破 $200M。

2.到 2028 年基礎(chǔ)情景 ARR ～2.3 億美元，樂(lè)觀情景 ～3.95 億美元

3.廣告→訂閱/API 的轉(zhuǎn)型是決定估值溢價(jià)的核心邏輯，因?yàn)橛嗛?API 收入粘性更強(qiáng)，波動(dòng)性低于廣告。

06.競(jìng)爭(zhēng)格局

1.傳統(tǒng)臨床內(nèi)容平臺(tái)

盡管 UpToDate、ClinicalKey、BMJ 和 Amboss 等傳統(tǒng)內(nèi)容平臺(tái)的產(chǎn)品迭代周期較慢，但它們擁有高度的信任和成熟的采購(gòu)關(guān)系。一旦它們推出基于自身編輯內(nèi)容庫(kù)的可信的對(duì)話(huà)式/大型語(yǔ)言模型（LLM）界面，它們有可能成為 OpenEvidence 在許多用例上的直接替代品。

憑借其嚴(yán)謹(jǐn)?shù)木庉媰?nèi)容和與主流電子病歷系統(tǒng)（Epic/Cerner）的深度集成，UpToDate 行業(yè)標(biāo)桿的地位穩(wěn)固。但其高昂的機(jī)構(gòu)訂購(gòu)費(fèi)用（約每席位 300 美元）及年度價(jià)格上漲（7-10%），大型醫(yī)療網(wǎng)絡(luò)（IDN）：150-200 萬(wàn)美元/年，給了 AI startup 機(jī)會(huì)。DynaMed 和 ClinicalKey AI 的價(jià)格比 UpToDate 低 30-50%，吸引了預(yù)算敏感的買(mǎi)家。但臨床醫(yī)生認(rèn)為它們的專(zhuān)科覆蓋范圍和 AI 聊天體驗(yàn)僅為“勉強(qiáng)夠用” 。

OE 與 UpToDate 的工作流整合比較：

2.AI 原生挑戰(zhàn)者

這些公司不直接競(jìng)爭(zhēng)內(nèi)容，而是競(jìng)爭(zhēng)醫(yī)生的工作流程和注意力。 Abridge、Ambience 和 Suki 等公司想要逐步掌控臨床醫(yī)生的工作流程，包括病歷記錄、醫(yī)囑和計(jì)費(fèi)。如果它們成功，OpenEvidence 就有被邊緣化為“參考工具”的風(fēng)險(xiǎn)，而不是一個(gè)嵌入到工作流中的核心層。

3.Big tech

Big Tech 擁有強(qiáng)大的模型能力（如 Med-PaLM/MedLM）、云服務(wù)和企業(yè)銷(xiāo)售團(tuán)隊(duì)，以及（以微軟為例）Nuance 龐大的醫(yī)院和電子健康檔案（EHR）合作伙伴安裝基礎(chǔ)。如果它們將一個(gè)臨床級(jí)的對(duì)話(huà)助手與云/電子健康檔案（EHR）集成捆綁在一起，其用戶(hù)采用速度可能會(huì)非?？?。

OpenEvidence 的發(fā)展方向

為保持領(lǐng)先地位，OpenEvidence 需采取以下策略：

強(qiáng)化內(nèi)容護(hù)城河：盡可能鎖定內(nèi)容并尋求排他性合作，比如目前與NEJM/JAMA的合作，OpenEvidence 應(yīng)與其他頂級(jí)出版商和專(zhuān)業(yè)協(xié)會(huì)建立類(lèi)似的獨(dú)家或優(yōu)先合作關(guān)系。

從“參考工具”轉(zhuǎn)向“工作流核心”：優(yōu)先發(fā)展 電子健康檔案（EHR） 和 Scribe 合作，將 產(chǎn)品驅(qū)動(dòng)增長(zhǎng)（PLG） 帶來(lái)的醫(yī)生使用量轉(zhuǎn)化為嵌入式的 電子健康檔案（EHR） 工作流，使其成為臨床交易的一部分，而非僅僅是一個(gè)外部參考工具。

雙軌商業(yè)化：保持免費(fèi)的 產(chǎn)品驅(qū)動(dòng)增長(zhǎng)（PLG） 漏斗以擴(kuò)大用戶(hù)覆蓋，同時(shí)加速企業(yè)級(jí)服務(wù)，如醫(yī)院訂閱、制藥/器械廠商定向廣告和機(jī)構(gòu)授權(quán)，從而降低用戶(hù)流失并抵御科技巨頭的收購(gòu)。

快速且透明地實(shí)現(xiàn)廣告與制藥價(jià)值： 保持廣告格式符合臨床需求并注重引文，從而在擴(kuò)大規(guī)模的同時(shí)維持醫(yī)生的信任。

07.團(tuán)隊(duì)與融資

哈佛、MIT 的頂尖學(xué)術(shù)背景，“高智商、小而精的團(tuán)隊(duì)”

創(chuàng)始人與團(tuán)隊(duì)

CEO Daniel Nadler 是一位成功的連續(xù)創(chuàng)業(yè)家，擁有跨領(lǐng)域的專(zhuān)業(yè)知識(shí)。2013 年，他聯(lián)合創(chuàng)立了 Kensho Technologies，一個(gè)由 AI 驅(qū)動(dòng)的量化交易工具，并于 2018 年以 5.5 億美元被標(biāo)準(zhǔn)普爾（S&P）收購(gòu)。2021 年，他創(chuàng)立了 Xyla，專(zhuān)注于高精度的 大型語(yǔ)言模型（LLM）。在意識(shí)到醫(yī)生獲取最新醫(yī)學(xué)知識(shí)的挑戰(zhàn)后，Nadler 在 Xyla 內(nèi)部孵化了 OpenEvidence。為了降低計(jì)算成本并提高準(zhǔn)確性，團(tuán)隊(duì)采用了 檢索增強(qiáng)生成（RAG） 技術(shù)，將用戶(hù)數(shù)據(jù)與預(yù)訓(xùn)練模型相結(jié)合，提供有針對(duì)性、可靠的輸出，并解決 AI 的“幻覺(jué)”問(wèn)題。

Nadler 的團(tuán)隊(duì)主要由來(lái)自哈佛和麻省理工學(xué)院的頂尖人才組成，奉行一種學(xué)術(shù)驅(qū)動(dòng)的方法，專(zhuān)注于將研究轉(zhuǎn)化為實(shí)際應(yīng)用。他堅(jiān)信“頂尖人才只愿與頂尖人才合作”，并表示：“在高難度問(wèn)題上，高智商、學(xué)習(xí)能力強(qiáng)的人所能達(dá)成的成就，可能超過(guò)一個(gè)大 100 倍的團(tuán)隊(duì)?！?/p>

CTO Zachary Ziegler 是哈佛大學(xué)計(jì)算機(jī)科學(xué)的博士候選人，師從自然語(yǔ)言處理（NLP）] 領(lǐng)域的領(lǐng)軍學(xué)者 Alexander Rush。他擁有扎實(shí)的學(xué)術(shù)背景和機(jī)器學(xué)習(xí)方面的專(zhuān)業(yè)知識(shí)。Ziegler 曾擔(dān)任 IMAX AI 的 AI 負(fù)責(zé)人，并于 2021 年與 Nadler 共同創(chuàng)立了 Xyla。作為首席技術(shù)官，他領(lǐng)導(dǎo)了 OpenEvidence 的開(kāi)發(fā)，專(zhuān)注于解決醫(yī)療領(lǐng)域的 AI 幻覺(jué)問(wèn)題。

融資

2025年 2 月，OpenEvidence 完成了 A 輪融資，融資金額為 7500 萬(wàn)美元，投后估值超過(guò) 10 億美元。本輪融資由紅杉資本合伙人 Pat Grady 領(lǐng)投，他認(rèn)為 OpenEvidence 的被采納和傳播方式類(lèi)似于消費(fèi)互聯(lián)網(wǎng)產(chǎn)品：“很少有醫(yī)療工具能像消費(fèi)應(yīng)用一樣傳播，而 OpenEvidence 就是其中之一。