أوبن إفيدنس تطلق عائلة نماذج طبية وتقول إن داروين سجّل 100% في MedQA

أعلنت شركة أوبن إفيدنس، التي تعرّف نفسها بأنها محرك البحث الطبي الأوسع استخدامًا بالذكاء الاصطناعي، إطلاق "عائلة نماذج أوبن إفيدنس" في إعلان على حسابها في إكس يوم 3 أيلول 2026. وقالت إن هذه أقوى نماذجها حتى الآن، وإنها اعتبارًا من 2026 أعلى عائلة نماذج ذكاء اصطناعي طبي تسجيلًا في العالم على كل اختبار مرجعي شائع. ونُشر البيان الصحفي الكامل على بزنس واير.

ثلاثة نماذج متاحة ورابع بالطلب

سمّت الشركة نماذجها بأسماء معروفة في تاريخ الطب: أوسلر "للممر"، وساكيت "للاستشارة"، وسنو "لمجلس الأورام". وتقول إن كل نماذج العائلة تخضع للمعيار نفسه من الدقة السريرية، وأن ما يتغير هو الزمن: كم يفكر النموذج، وإلى أي عمق يبحث. والنماذج الثلاثة متاحة الآن لكل طبيب متحقق منه، على الويب وفي تطبيقي آي أو إس وأندرويد.

أما الرابع فهو داروين. تقول الشركة إنه سجّل 100% كاملة في MedQA، وإنه أول ذكاء اصطناعي في التاريخ يبلغ هذه الدرجة، وإن قدرة بهذا المستوى سلاح ذو حدين في الطب، ولهذا بقي داروين في معاينة بحثية بالطلب فقط ريثما يجري التحقق من ضماناته مع شركاء مثل RareDiseases.

أربعة اختبارات وجهًا لوجه

نشرت الشركة جدولًا عنوانه "أوبن إفيدنس مقابل النماذج الأساسية"، يقيس داروين أمام أقوى النماذج العامة على أربعة اختبارات طبية: كلود فيبل 5 من أنثروبيك، وجي بي تي 5.6 سول من أوبن إيه آي، وجيميني 3.7 فلاش من جوجل.

• MedQA (أسئلة مجالس على طريقة USMLE، الدقة): داروين 100.0%، كلود 99.7%، جي بي تي 99.1%، جيميني 99.2%
• MedXpertQA (أسئلة مجالس بمستوى التخصص، الدقة): داروين 72.8%، كلود 64.3%، جي بي تي 57.6%، جيميني 65.1%
• HealthBench Pro (أسئلة مفتوحة، معايير تقييم كتبها أطباء، دون خصم على طول الإجابة): داروين 82.7%، كلود 70.6%، جي بي تي 66.9%، جيميني 59.0%
• NOHARM (أسئلة مفتوحة، معايير مرجّحة بالضرر، درجة F1 مرجّحة بالضرر): داروين 87.2%، كلود 72.5%، جي بي تي 74.0%، جيميني 71.5%

هذه الأرقام كلها من قياس الشركة نفسها ومن الجدول الذي نشرته؛ لا يوجد تحقق من مختبر مستقل ولا دراسة محكّمة. وأوردت نشرة ستات نيوز للتقنية الصحية الإطلاق ضمن عناوين أخبارها، وهذا ذكر خبري لا اختبار مستقل للأرقام. وهذه الاختبارات أسئلة مجالس وتقييم بمعايير مكتوبة، لا قياس سريري ميداني.

ملاحظة مفتوحة: أحد النماذج المقارَنة في الجدول هو كلود فيبل 5 من أنثروبيك، ومحرك النشر في غلوبال فيد يعمل بنموذج كلود من أنثروبيك. أي أن هذا الخبر ينقل تأخر النموذج الذي نستخدمه في هذه القياسات. نقلنا الأرقام كما هي دون تلطيف.