OpenEvidence JAMA स्टडी: मासिक यूज़र्स 703,265 तक पहुँचे
Harvard Medical School और Brigham and Women's Hospital के शोधकर्ताओं की 15 अक्टूबर 2026 को प्रकाशित OpenEvidence JAMA स्टडी में पाया गया कि इस क्लिनिकल AI प्लेटफ़ॉर्म के मासिक सक्रिय यूज़र्स जनवरी 2024 के 355 से बढ़कर जून 2026 में 703,265 हो गए। 950,000 अमेरिकी डॉक्टरों, फ़िज़िशियन असिस्टेंट और नर्स प्रैक्टिशनर्स के सवालों में से 51.9% क्लिनिकल फ़ैसलों से जुड़े थे। हेल्थ सिस्टम्स के लिए डेटा दिखाता है कि क्लिनिशियन पहले से अपनी मर्ज़ी से एक एविडेंस टूल इस्तेमाल कर रहे हैं, और इसीलिए OpenEvidence अब इलेक्ट्रॉनिक हेल्थ रिकॉर्ड के अंदर जा रहा है।
डॉक्टर AI एविडेंस टूल से कौन सा सवाल पूछते हैं
क्लिनिशियन को मरीज़ का इलाज करते समय अक्सर मेडिकल सबूत की ज़रूरत होती है, कई बार अपनी ट्रेनिंग से बाहर के क्षेत्रों में भी। Fierce Healthcare के मुताबिक, OpenEvidence ने सिर्फ़ डॉक्टरों के लिए AI से चलने वाला एक मेडिकल सर्च इंजन और जेनरेटिव AI चैटबॉट बनाया है, जो सबूत पर आधारित मेडिकल जानकारी का सारांश देता है और उसे आसान बनाता है।
इस स्टडी से पहले ऐसे टूल्स के इस्तेमाल पर ठोस डेटा बहुत कम था। स्टडी के कॉरेस्पॉन्डिंग ऑथर अनुपम जेना ने कहा कि इस बारे में सीमित जानकारी रही है कि कितने डॉक्टर AI इस्तेमाल करते हैं, किस काम के लिए करते हैं और इसका मरीज़ों पर क्या असर होता है। JAMA का यह पेपर इनमें से पहले दो सवालों का जवाब देता है।
Harvard के शोधकर्ताओं ने क्या मापा
Harvard Medical School और Brigham and Women's Hospital के शोधकर्ताओं की अगुवाई में हुई और 15 अक्टूबर 2026 को JAMA में प्रकाशित इस स्टडी ने अमेरिका के 950,000 डॉक्टरों, फ़िज़िशियन असिस्टेंट और नर्स प्रैक्टिशनर्स को फ़ॉलो किया, जिन्होंने ढाई साल तक OpenEvidence इस्तेमाल किया। Harvard Medical School के मुताबिक, जनवरी 2024 से जून 2026 तक उन्होंने 27 करोड़ सवाल भेजे; Fierce Healthcare की पेपर पर रिपोर्ट 27.1 करोड़ बताती है।
टीम ने 3.88 करोड़ सवालों के एक रैंडम सैंपल के क्लिनिकल मकसद और विषय को वर्गीकृत करने के लिए एक लार्ज लैंग्वेज मॉडल का इस्तेमाल किया। National Institutes of Health ने इस काम में सहयोग दिया। OpenEvidence ने इसके लिए पैसा नहीं दिया, लेकिन पहचान हटाया गया डेटा दिया, और तीन सह लेखक कंपनी के कर्मचारी हैं।
क्लिनिशियन रोज़ OpenEvidence से क्या पूछते हैं
ज़्यादातर सवाल, 51.9%, क्लिनिकल फ़ैसलों से जुड़े थे, खास तौर पर इलाज और मैनेजमेंट से। डायग्नोसिस का हिस्सा 13.9% था। सवाल अक्सर क्लिनिशियन की अपनी स्पेशियलिटी से बाहर के होते थे: उदाहरण के लिए, सर्जन अक्सर सर्जरी के अलावा दूसरे विषयों के बारे में पूछते थे।
"दो मुख्य बातें ये हैं कि बहुत बड़ी संख्या में डॉक्टर क्लिनिकल केयर के लिए AI इस्तेमाल कर रहे हैं, और वे अक्सर उन क्षेत्रों में इसका इस्तेमाल करते हैं जहाँ उनके पास खास विशेषज्ञता नहीं है।" अनुपम जेना, कॉरेस्पॉन्डिंग ऑथर, Harvard Medical School
इस्तेमाल स्पेशियलिटी के हिसाब से अलग था। ऑन्कोलॉजी और हेमेटोलॉजी विशेषज्ञ वर्कफ़ोर्स का 1.9% हैं, लेकिन उन्होंने 3.8% सवाल पूछे। इंटरनल मेडिसिन के डॉक्टरों ने डॉक्टरों के 27.3% सवाल पूछे, जबकि वे डॉक्टर वर्कफ़ोर्स का 14.5% हैं। रेडियोलॉजी, ऑर्थोपेडिक्स और ऑप्थैल्मोलॉजी में इस्तेमाल उनके हिस्से से कम रहा।
इस्तेमाल कितनी तेज़ी से बढ़ा और क्लिनिशियन कितनी बार लौटे
मासिक सक्रिय यूज़र्स जनवरी 2024 के 355 से बढ़कर जून 2026 में 703,265 हो गए। हर सक्रिय यूज़र के मासिक सवाल 18 से बढ़कर 39.5 हो गए, और 2026 में महीने दर महीने रिटेंशन करीब 90% तक पहुँच गया। जून तक 92.5% सक्रिय यूज़र्स लौटकर आने वाले यूज़र्स थे, थोड़े समय के लिए आज़माने वाले नहीं।
सैंपल के आधे से ज़्यादा यूज़र्स, 556,200, डॉक्टर थे, और इस्तेमाल वाले हर महीने उनके औसतन 37 सवाल थे। करियर की शुरुआत वाले डॉक्टरों और ऑन्कोलॉजी, हेमेटोलॉजी, इंटरनल मेडिसिन और फ़ैमिली मेडिसिन के डॉक्टरों का हिस्सा औसत से ज़्यादा था। जेना ने इस रफ़्तार की तुलना इलेक्ट्रॉनिक हेल्थ रिकॉर्ड से की, जिनका इस्तेमाल धीमा रहा और उनके शब्दों में "असल में सरकारी नियमों के बाद ही हुआ।"
OpenEvidence अपनी पहुँच के बारे में क्या कहती है
कंपनी के अपने आँकड़े इससे आगे जाते हैं, और वे उसके दावे हैं। संस्थापक और CEO डैनियल नैडलर ने Fierce Healthcare को बताया कि अक्टूबर 2026 तक डॉक्टरों और नर्सों समेत मेडिकल लाइसेंस से सत्यापित 12 लाख अमेरिकी क्लिनिशियन OpenEvidence इस्तेमाल कर रहे थे, और सिर्फ़ अक्टूबर में उन्होंने इससे 4.5 करोड़ बार सलाह ली। कंपनी का कहना है कि अमेरिका के लगभग दो तिहाई डॉक्टर इस प्लेटफ़ॉर्म का इस्तेमाल करते हैं। नैडलर ने यह भी कहा कि देश में हर स्पेशलिस्ट विज़िट पर यह किसी मेडिकल स्पेशलिस्ट का लगभग एक सवाल सँभालता है, जबकि ऐसी विज़िट हर साल 30 करोड़ होती हैं।
अस्पतालों और हेल्थ सिस्टम्स के लिए क्या बदलता है
इस्तेमाल अलग अलग क्लिनिशियन से शुरू हुआ, और अब कंपनी हेल्थ सिस्टम के रिकॉर्ड में जा रही है। 29 अक्टूबर 2026 को Fierce Healthcare ने बताया कि NYU Langone Health ने OpenEvidence को अपने Epic इलेक्ट्रॉनिक हेल्थ रिकॉर्ड वर्कफ़्लो में जोड़ लिया है। कंपनी के अधिकारियों के मुताबिक, वहाँ के क्लिनिशियन सामान्य भाषा में क्लिनिकल सवाल पूछ सकते हैं और Epic छोड़े बिना ऐसे जवाब पा सकते हैं जो पीयर रिव्यू साहित्य पर आधारित हों और मरीज़ के अपने रिकॉर्ड के संदर्भ में पढ़े गए हों।
पैमाना बड़ा है: NYU Langone में हर साल 1.2 करोड़ से ज़्यादा आउटपेशेंट विज़िट और 421,000 इमरजेंसी विभाग विज़िट होती हैं, वहाँ 6,000 से ज़्यादा डॉक्टर और फ़ैकल्टी और 54,000 कर्मचारी हैं। OpenEvidence का पहले से NewYork-Presbyterian के 10 अस्पतालों और करीब 350 केयर साइटों पर एंटरप्राइज़ रोलआउट है, Mount Sinai में पूरे सिस्टम में तैनाती है, और Memorial Sloan Kettering Cancer Center के साथ प्रिसिज़न ऑन्कोलॉजी साझेदारी है। किसी हेल्थ सिस्टम के लिए यह टूल इलाज की जगह पर सबूत ढूँढने का काम सँभालता है। इससे मरीज़ों की देखभाल बेहतर होती है या नहीं, यह अभी मापा नहीं गया है; शोधकर्ताओं का कहना है कि यही अगला कदम है।
सवाल और जवाब
कितने डॉक्टर OpenEvidence इस्तेमाल करते हैं?
JAMA स्टडी ने जून 2026 में 703,265 मासिक सक्रिय यूज़र्स गिने, और उसके सैंपल में 556,200 डॉक्टर थे। कंपनी ने Fierce Healthcare को बताया कि अक्टूबर 2026 तक लाइसेंस से सत्यापित 12 लाख अमेरिकी क्लिनिशियन इसका इस्तेमाल कर रहे थे।
डॉक्टर AI का सबसे ज़्यादा इस्तेमाल किस लिए करते हैं?
इस स्टडी में क्लिनिकल फ़ैसले, खास तौर पर इलाज और मैनेजमेंट, 51.9% सवालों में थे, और डायग्नोसिस 13.9% में। कई सवाल पूछने वाले की स्पेशियलिटी से बाहर के थे।
OpenEvidence के इस्तेमाल पर स्टडी का खर्च किसने उठाया?
National Institutes of Health ने इसमें सहयोग दिया। OpenEvidence ने पहचान हटाया गया डेटा दिया, लेकिन पैसा नहीं, और तीन सह लेखक कंपनी में काम करते हैं।
MOZGII की राय
हम इसे कैसे बनाते
जिस एविडेंस टूल को क्लिनिशियन अपनी मर्ज़ी से अपनाते हैं, वह आसान आधा हिस्सा है। मुश्किल आधा यह है कि टूल के चार्ट के अंदर आने के बाद हेल्थ सिस्टम क्या करता है। अगर हम इसे बनाते, तो दो चीज़ें अलग रखते: मेडिकल साहित्य, जो सार्वजनिक है और धीरे बदलता है, और मरीज़ का रिकॉर्ड, जो निजी है और हर घंटे बदलता है। हर जवाब दिखाता कि वह किन पेपर्स पर टिका है और उसने चार्ट के कौन से हिस्से पढ़े, ताकि डॉक्टर दोनों को सेकंडों में जाँच सके।
स्टडी दिखाती है कि कई सवाल पूछने वाले की स्पेशियलिटी से बाहर के होते हैं। जोखिम वहीं है, क्योंकि वहाँ डॉक्टर गलत जवाब कम पकड़ पाता है। हम ऐसे सवालों को एक सख्त मोड में भेजते: छोटे जवाब, ज़्यादा हवाले और सबूत कमज़ोर होने पर साफ़ नोट। हम हर सवाल को स्पेशियलिटी और विषय के हिसाब से लॉग भी करते, उसी तरह जैसे शोधकर्ताओं ने अपने सवाल वर्गीकृत किए, ताकि अस्पताल को पता रहे कि उसका स्टाफ़ असल में क्या पूछता है।
हम जिस एक मीट्रिक पर नज़र रखते, वह इस्तेमाल नहीं है, जिसका ऊँचा होना स्टडी पहले ही दिखा चुकी है। वह यह है कि कोई जवाब कितनी बार इलाज का फ़ैसला बदलता है, और क्या वह बदलाव किसी स्पेशलिस्ट की समीक्षा में टिकता है। शोधकर्ता इसे अपना अगला सवाल बताते हैं। इसके बाद हम एक रिव्यू कतार बनाते, जिसमें स्पेशलिस्ट हर हफ़्ते अपने क्षेत्र के जवाबों का सैंपल देखें और उन पर निशान लगाएँ जिन पर वे दस्तखत नहीं करते।
स्रोत
इस खबर के तथ्य इन स्रोतों से लिए गए हैं।