תוכן עניינים
- מה זו OpenEvidence
- המספרים שמסבירים את הקצב
- למה דווקא היא נתפסה אצל רופאים
- איך נראה שימוש יומיומי בפועל
- מה זה אומר למערכות בריאות בישראל
- ארבע שאלות לפני שמכניסים כלי AI
- מה עדיין לא פתור
- שאלות נפוצות
בקצרה
- OpenEvidence היא מערכת מענה קלינית שמבוססת על ספרות רפואית, ומיועדת לרופאים בלבד.
- לפי דיווחים מינואר 2026, יותר מ-757 אלף רופאים נרשמו לשירות, ומעל 40% מהרופאים בארה"ב משתמשים בו מדי יום.
- השווי שלה זינק ל-12 מיליארד דולר, פי שניים תוך שלושה חודשים.
- מערכות בריאות גדולות כמו Mount Sinai ו-Cedars-Sinai הטמיעו אותה ברמת הארגון ובתוך מערכת התיק הרפואי.
- הלקח לארגונים אינו רפואי אלא תפעולי: כלי נתפס כשהוא נכנס לתוך שגרת העבודה הקיימת, ולא כשהוא עוד לשונית פתוחה.
בשנה שבה כל חברה מכריזה על מוצר AI, מעט מאוד מהם נכנסים באמת לשגרת העבודה של אנשי מקצוע. OpenEvidence היא אחד החריגים, והיא הפכה לאחת הדוגמאות המצוטטות ביותר של בינה מלאכותית ברפואה: לא הדגמה מרשימה בכנס, אלא כלי שרופאים פותחים בין מטופל למטופל. המספרים שפורסמו בתחילת 2026 מסבירים למה כדאי להסתכל עליה גם אם אתם לא בתחום הבריאות.
מה זו OpenEvidence
OpenEvidence היא מערכת שמאפשרת לרופא לשאול שאלה קלינית בשפה חופשית ולקבל תשובה שמבוססת על ספרות רפואית, עם הפניה למקורות. היא נוסדה ב-2022 על ידי דניאל נדלר וזכרי זיגלר, והגישה אליה מוגבלת לאנשי מקצוע מאומתים. זה ההבדל המרכזי בינה לבין צ'אטבוט כללי: המערכת לא מנסה לענות לכל אחד על כל שאלה, אלא לשרת קהל אחד עם צורך מוגדר.
הבעיה שהיא פותרת ברורה: מתפרסמים מדי שנה מיליוני מאמרים רפואיים, ואין דרך מעשית לרופא לעקוב אחריהם. במקום לחפש במאגרים, הרופא שואל שאלה ומקבל תשובה מרוכזת עם המקורות שעליהם היא נשענת.
המספרים שמסבירים את הקצב
| נתון | היקף |
|---|---|
| רופאים רשומים | מעל 757,000 |
| שימוש יומי | מעל 40% מהרופאים בארה"ב |
| מוסדות רפואיים | יותר מ-10,000 |
| התייעצויות בחודש | מעל 20 מיליון |
| שווי החברה | 12 מיליארד דולר |
| גיוס אחרון | 250 מיליון דולר בהובלת Thrive ו-DST |
השווי הוכפל תוך שלושה חודשים, ומאז תחילת 2025 גדל פי 12. גם אם מנטרלים את ההתלהבות של שוק ההון, קצב האימוץ בקרב הרופאים עצמם הוא הנתון המעניין: כלי מקצועי שמגיע לשימוש יומי אצל יותר מארבעה מכל עשרה רופאים בארה"ב הוא תופעה נדירה.
למה דווקא היא נתפסה אצל רופאים
- קהל אחד, צורך אחד. המערכת לא מנסה להיות כלי לכל שימוש. היא עונה על שאלות קליניות, וזהו.
- מקורות לכל תשובה. רופא לא יכול להסתמך על תשובה בלי מקור. הצגת המקורות הופכת את הכלי לבדיק.
- אימות מקצועי. הגישה מוגבלת לרופאים, מה שמאפשר לנסח תשובות ברמה מקצועית בלי לחשוש משימוש של הדיוטות.
- כניסה לתוך שגרת העבודה. הטמעות ארגוניות במערכות בריאות גדולות שילבו אותה בתוך התיק הרפואי, כך שהרופא לא צריך לעבור למערכת אחרת.
- חינם לרופא. מודל ההכנסות אינו מבוסס על תשלום של הרופא, מה שמסיר חסם אימוץ ראשוני.
איך נראה שימוש יומיומי בפועל
השימוש הטיפוסי אינו שאלה דרמטית אלא בדיקה קצרה באמצע יום עמוס: מינון לתרופה במצב מיוחד, אינטראקציה בין תרופות, או עדכון בהנחיה קלינית שיצא לאחרונה. הרופא מקליד שאלה במשפט אחד ומקבל תשובה מרוכזת עם הפניות, בתוך פחות מדקה.
ההבדל מול חיפוש רגיל במאגרים הוא בעיקר בזמן. חיפוש ידני מחייב לנסח שאילתה, לסנן תוצאות ולקרוא תקצירים. ההבדל מול צ'אטבוט כללי הוא באחריות: תשובה בלי מקור אינה שימושית בהקשר קליני, ולכן הצגת המקורות היא לא תוספת נחמדה אלא תנאי קיום.
הנקודה הזו רלוונטית לכל ארגון ששוקל כלי AI מקצועי. כלי שמחייב את העובד לצאת מהמערכת שבה הוא עובד, להתחבר מחדש ולהעתיק מידע, ייעזב אחרי שבועיים. כלי שיושב במקום שבו העבודה כבר קורית, ומחזיר תשובה שאפשר לבדוק, נכנס לשגרה.
מה זה אומר למערכות בריאות בישראל
בישראל הדיון על AI ברפואה מתנהל בעיקר סביב שאלות של פרטיות, אחריות מקצועית ותקינה, ובצדק. המקרה של OpenEvidence מוסיף לדיון זווית מעשית: אימוץ קורה כשהכלי חוסך זמן במשימה שהרופא עושה ממילא, ולא כשהוא מוסיף שלב. כל מערכת בריאות ששוקלת הטמעה צריכה לשאול שלוש שאלות: לאיזו החלטה הכלי נכנס, מי אחראי על התוצאה, ואיך מתועד מה שנאמר.
הנושא הזה עולה כמעט בכל סדנת AI לצוותים רפואיים, והתשובה המעשית זהה בכל פעם: להתחיל במשימות מנהליות שבהן טעות ניתנת לתיקון, ולהשאיר את ההחלטה הקלינית אצל הרופא.
ארבע שאלות לפני שמכניסים כלי AI לעבודה מקצועית
- לאיזו החלטה הכלי נכנס? כלי שמסכם מידע לפני החלטה הוא סיכון נמוך. כלי שממליץ על פעולה הוא סיפור אחר לגמרי, ודורש כללים מפורשים.
- מי אחראי על התוצאה? התשובה חייבת להיות שם של אדם או תפקיד, לא שם של מערכת.
- איך נראה תיעוד? אם אי אפשר לשחזר אחרי חודש מה נשאל ומה הוחזר, אין דרך לברר מה קרה כשמשהו משתבש.
- מה קורה כשהכלי לא זמין? תהליך שנשען על שירות חיצוני צריך תוכנית חלופית ליום שבו השירות נופל.
ארבע השאלות האלה אינן ייחודיות לרפואה. הן אותן שאלות שצריך לשאול לפני הכנסת כלי AI למחלקה משפטית, לכספים או לשירות לקוחות, והן מה שמפריד בין הטמעה מסודרת לבין ניסוי על חשבון הלקוחות.
מה עדיין לא פתור
שלוש שאלות נשארות פתוחות, והן נכונות לכל כלי AI מקצועי ולא רק לתחום הרפואה. הראשונה היא אחריות: כשתשובה שגויה משפיעה על החלטה, מי נושא בה. השנייה היא הטיה: מערכת שמסתמכת על ספרות מסוימת משקפת גם את הפערים שבה. השלישית היא תלות: ככל שכלי הופך לברירת מחדל, קשה יותר לזהות מתי הוא טועה.
השאלה השלישית נבדקה גם מחוץ לרפואה. מחקרים שסקרנו במאמר על AI וחשיבה ביקורתית מצאו שככל שהביטחון בכלי גבוה יותר, כך פוחתת הבדיקה העצמאית של התוצאה. בסביבה קלינית זו לא הערה תיאורטית.
שאלות נפוצות
מה זו OpenEvidence?
מערכת מענה קלינית לרופאים, שנוסדה ב-2022. הרופא שואל שאלה בשפה חופשית ומקבל תשובה מבוססת ספרות רפואית עם הפניה למקורות. הגישה מוגבלת לאנשי מקצוע מאומתים.
כמה רופאים משתמשים בה?
לפי דיווחים מינואר 2026, מעל 757 אלף רופאים נרשמו, ויותר מ-40% מהרופאים בארה"ב משתמשים בה מדי יום, ביותר מ-10,000 מוסדות רפואיים. היקף ההתייעצויות עבר 20 מיליון בחודש.
האם היא מחליפה את שיקול הדעת של הרופא?
לא. היא מרכזת מידע ומציגה מקורות, וההחלטה הקלינית והאחריות עליה נשארות אצל הרופא. זו גם הסיבה שהצגת המקורות היא חלק מרכזי מהמוצר.
האם היא זמינה בישראל?
השירות פונה בעיקר לשוק האמריקאי ומבוסס על אימות של רופאים. מערכות בריאות מחוץ לארה"ב שרוצות להטמיע כלי כזה צריכות לבחון רגולציה מקומית, פרטיות מטופלים ואחריות מקצועית לפני שימוש קליני.
מה ההבדל בינה לבין ChatGPT?
ChatGPT הוא כלי כללי לכל שימוש ולכל משתמש. OpenEvidence מוגבלת לרופאים, מתמקדת בשאלות קליניות, ומעגנת כל תשובה בספרות רפואית עם מקורות. ההתמקדות היא מה שמאפשר לה לעמוד בסטנדרט מקצועי.
מה ארגון שאינו רפואי יכול ללמוד מזה?
שלושה דברים: כלי ממוקד לקהל אחד נתפס מהר יותר מכלי כללי, תשובה עם מקור נבדקת ולכן זוכה לאמון, וכלי שנכנס לתוך המערכת שבה כבר עובדים מאומץ הרבה יותר מכלי שדורש לעבור לסביבה אחרת.
מקור: CNBC, ינואר 2026
מקור: HLTH, ינואר 2026
מקור: הודעות החברה, 2025 ו-2026
לארגונים
צוות רפואי או מנהלי ששוקל להכניס AI לעבודה צריך קודם כללים, ורק אחר כך כלים.
