Anthropic и OpenEvidence выводят медицинский ИИ на глобальный уровень

Anthropic и OpenEvidence хотят дать врачам в 100 странах медицинский ИИ — но главный вопрос не в доступе

Медицинские знания становятся инфраструктурой, которую можно доставить через смартфон

22 сентября Anthropic и медицинская платформа OpenEvidence объявили о сотрудничестве, цель которого — предоставить врачам примерно в 100 странах бесплатный доступ к системе поддержки клинических решений на основе искусственного интеллекта.

Список включает, в частности, Уганду, Анголу, Судан, Гаити и Монголию. Речь идет преимущественно о странах с низким и средним уровнем дохода, где доступ к медицинской литературе, специализированной экспертизе и непрерывному профессиональному образованию часто существенно ограничен.

OpenEvidence работает как медицинская поисково-аналитическая система: врач формулирует клинический вопрос обычным языком, а система ищет и обобщает информацию из рецензируемых научных публикаций и клинических рекомендаций. В США и Европе платформа уже доступна врачам бесплатно.

Масштаб ее использования показывает, почему проект заслуживает внимания. По словам основателя OpenEvidence Дэниела Надлера, только в августе 2026 года американские врачи обращались к системе 42 млн раз. Компания ожидает, что за год сотни миллионов американцев окажутся пациентами врачей, использовавших OpenEvidence при принятии клинических решений.

Теперь модель пытаются перенести туда, где ценность быстрого доступа к медицинской информации потенциально еще выше.

Claude дает вычислительную основу, OpenEvidence должна добавить медицинский контекст

В новой системе роли партнеров разделены. Технологии Anthropic будут работать на серверной стороне, а OpenEvidence займется адаптацией продукта к конкретным регионам.

Это принципиально важная часть проекта.

Медицинская рекомендация существует не в вакууме. Один и тот же клинический вопрос может иметь разные практически применимые ответы в Бостоне, Кампале или Улан-Баторе — не потому, что биология человека меняется при пересечении границы, а потому, что меняется окружающая медицина.

Различаются распространенность заболеваний, возможности лабораторной и инструментальной диагностики, доступность лекарств, маршрутизация пациентов, наличие специалистов и даже стабильность электроснабжения.

Например, рекомендация выполнить компьютерную томографию или назначить определенный препарат мало помогает врачу, если соответствующее исследование недоступно в ближайших сотнях километров или лекарство отсутствует на местном рынке.

Именно поэтому OpenEvidence заявляет, что создаваемая для таких стран система будет адаптироваться к местному контексту. Компания уже работала с медицинскими организациями Руанды и Ботсваны над настройкой инструментов для условий, в которых структура заболеваний, диагностические возможности и доступные методы лечения отличаются от богатых стран.

Это превращает проект из задачи «дать врачам чат-бот» в значительно более сложную задачу — перевести глобальные медицинские знания в решения, применимые в конкретной системе здравоохранения.

Смартфон меняет экономику доступа к медицинской экспертизе

У проекта есть еще один важный аспект: для распространения медицинских знаний больше не обязательно строить сложную цифровую инфраструктуру непосредственно в больнице.

По словам Дэниела Надлера, даже в медицинских учреждениях с нестабильным круглосуточным электроснабжением у большинства врачей есть смартфоны. Это создает необычную ситуацию: клиника может испытывать недостаток оборудования и специалистов, но ее врач потенциально способен получить доступ к объему медицинской литературы и аналитических инструментов, который еще недавно был характерен прежде всего для крупнейших академических центров.

Кардиолог Университета Бенхи в Египте Ахмед Бендари назвал расширение такого доступа потенциально значительным шагом для регионов, где медицинские учреждения не могут позволить себе подписки на ведущие научные журналы.

Здесь искусственный интеллект решает не только информационную, но и экономическую проблему. Стоимость создания еще одного цифрового пользователя существенно ниже стоимости подготовки дополнительного специалиста, создания медицинской библиотеки или организации постоянного доступа ко множеству платных научных ресурсов.

Но именно здесь возникает риск чрезмерных ожиданий.

Главная опасность — перенести медицину богатых стран туда, где она работает иначе

Большие языковые модели обучаются преимущественно на огромных массивах существующей информации. В медицине это создает специфическую проблему: значительная часть хорошо структурированной научной литературы, клинических рекомендаций и цифровых медицинских данных происходит из стран с высоким уровнем дохода.

Если система просто обобщает эти знания, ее ответ может быть научно обоснованным и одновременно плохо применимым в другой стране.

Различаться могут не только ресурсы, но и эпидемиология. Вероятность туберкулеза, малярии, ВИЧ-инфекции, определенных паразитарных заболеваний или причин анемии существенно зависит от региона. То же относится к устойчивости бактерий к антибиотикам, программам вакцинации и доступности конкретных схем лечения.

Поэтому способность системы цитировать качественную публикацию еще не гарантирует качества клинического решения.

Есть и более фундаментальная проблема: независимая оценка специализированных медицинских систем ИИ пока значительно отстает от скорости их распространения.

В июне 2026 года исследование, опубликованное в Nature Medicine, сравнило OpenEvidence и UpToDate Expert AI с несколькими универсальными передовыми языковыми моделями. Авторы использовали вопросы на медицинские знания, задания с экспертной оценкой и реальные обезличенные запросы врачей. В этих испытаниях универсальные модели GPT-5.2, Gemini 3.1 Pro и Claude Opus 4.6 показали лучшие результаты, чем специализированные медицинские системы.

Это не означает, что OpenEvidence бесполезна или что универсальный чат-бот следует использовать вместо специализированной клинической системы. Исследование измеряло определенные характеристики на конкретных наборах заданий, а реальная ценность медицинского инструмента зависит также от источников, интерфейса, интеграции в рабочий процесс и поведения врача.

Но результат показывает важную вещь: словосочетание «медицинский ИИ» само по себе не является гарантией более высокой клинической надежности.

Anthropic все глубже входит в медицину и биологию

Сотрудничество с OpenEvidence — часть более широкой тенденции.

Anthropic постепенно превращает Claude из универсального помощника в инфраструктуру для профессиональной работы в биомедицине. В сентябре компания открыла программу Life Sciences Verification Program, которая предоставляет проверенным специалистам в области наук о жизни доступ к более мощным моделям для задач исследования лекарств, биологии, клинической разработки и производства.

За несколько дней до объявления проекта OpenEvidence компания Ново Нордиск (Novo Nordisk) также сообщила о сотрудничестве с Anthropic. Фармацевтическая компания собирается использовать Claude и Claude Science для научного анализа и ускорения исследований и разработки лекарств.

Таким образом, формируются два параллельных направления применения одной технологической основы.

В одном случае ИИ помогает исследователям искать новые лекарства. В другом — помогает врачу разобраться в уже существующих медицинских знаниях непосредственно при лечении пациента.

Для здравоохранения второй путь может оказаться не менее значимым, чем разработка новых молекул. Медицинская проблема XXI века состоит не только в недостатке знаний, но и в невозможности человеку самостоятельно переработать их растущий объем.

Бесплатный медицинский ИИ переносит проблему с доступа на качество решений

Для врача в системе с ограниченными ресурсами практическая ценность такого инструмента очевидна: за несколько минут можно получить структурированный обзор литературы по вопросу, для которого раньше потребовались бы поиск публикаций, подписки на журналы и значительное время.

Для пациентов потенциальный эффект менее прямой, но важный. Врач получает дополнительный инструмент для проверки гипотез, выбора обследования или терапии и поиска актуальных рекомендаций.

Однако следующий этап развития медицинского ИИ будет определяться уже не количеством пользователей и не числом стран.

Потребуются независимые исследования, показывающие, как подобные системы влияют на реальные решения врачей, частоту диагностических ошибок, выбор лечения и в конечном счете на результаты для пациентов. Особенно важно проводить такую оценку непосредственно в странах, для которых создается адаптированная версия системы.

Если медицинский ИИ работает хорошо в американской университетской клинике, из этого еще нельзя автоматически заключить, что он столь же надежен в районной больнице Уганды.

И наоборот: именно в условиях дефицита специалистов и информационных ресурсов потенциальная дополнительная ценность такого инструмента может оказаться особенно высокой.