讓每支行動電話都有一位醫師顧問：Anthropic 攜手 OpenEvidence 將免費臨床 AI 帶進 100 國

多年來，富裕國家對醫療 AI 的爭論，核心始終是大型語言模型究竟該不該碰高風險的臨床決策。但另一個更安靜、規模卻可能更大的問題，正在世界另一端悄悄成熟：當同樣的技術抵達那些從未有次專科醫師、沒有期刊訂閱、甚至沒有穩定電力的地區——但當地幾乎每位醫師都有智慧型手機——會發生什麼事？

本週，這個問題出現了一個具體答案。AI 新創 Anthropic 與醫學知識平台 OpenEvidence 於 9 月 22 日（週二）宣布合作，要將 AI 臨床決策支援帶給至今無法實際取得這類技術的地區的醫師。兩家公司表示，OpenEvidence 平台的特製版本將免費提供給約 100 個中低所得國家（LMIC）的醫療人員。Anthropic 負責提供後端模型運算能量，OpenEvidence 則依各地醫療基礎設施調整系統。雙方未揭露財務條款。

OpenEvidence 到底做什麼

要理解這則新聞的分量，得先理解 OpenEvidence 是什麼——以及它「不是」什麼。這個由 Daniel Nadler 創辦的平台，是專為醫師設計的 AI 副手：回答臨床問題時，系統引用經同儕審查的醫學研究與治療指引，每個論述都附上出處。它不是套了醫療提示詞的通用聊天機器人，而是為「point of care」（臨床現場）打造的檢索接地系統——醫師在診間只有幾分鐘，不是幾小時，可以慢慢鑑別診斷或查藥物交互作用。

使用量數字解釋了 Anthropic 為什麼想要這樁合作。Nadler 表示，單是 2026 年 8 月，美國臨床醫師就查詢了 OpenEvidence 4,200 萬次；他估計 2026 全年，將有數億美國人接受過使用該平台輔助診療的醫師照顧。這項產品在美國與歐洲早已對臨床醫師免費。缺的從來不是別的，而是世界其他地方——恰恰是那些因為醫學文獻、專科專業與繼續教育資源有限，而對病人預後傷害最大的地區。

這道缺口的大小值得細看。世界衛生組織早已多次記錄：中低所得國家的醫師與專科密度僅為高所得國家的一小部分，資源不足環境下的臨床決策，經常是在無法取得最新證據的情況下做成。首都教學醫院的內科醫師或許還有機構期刊權限；偏鄉省立醫院的醫師通常沒有。結果是一種「實證沙漠」——醫療水準落後文獻前沿數十年，不是因為臨床人員技術不足，而是知識基礎建設根本不存在。

是「適地調整」，不只是翻譯

這次宣布在技術上最有趣的一點，不是價格（免費），也不是模型（Claude），而是對 LMIC 版本的明確承諾：系統是調整適應後輸出，而非直接外銷。「我們為這些地方打造的一切，百分之百都是情境適應式的（context adaptive），」Nadler 向路透社表示。

這個區別直接回應了把臨床 AI 出口到低資源環境最尖銳的批評：主要訓練於高所得國家資料的系統，未必反映在地的疾病型態、診斷資源與可用的治療選項。一份預設隨時能做 MRI、藥物清單齊全、可轉診專科的指引，在三者皆無的診所裡不只無用，還可能有害。OpenEvidence 表示，系統回答時會納入在地醫療基礎設施——推薦的是提問地點真正做得到的處置。

這延續了該公司今年稍早打下的基礎：當時 OpenEvidence 已與盧安達及波札那的衛生組織合作，讓工具適應疾病型態、診斷資源與治療選項與富國截然不同的環境。新計畫把試辦規模一口氣擴大到約 100 國，依 OpenEvidence 提供的名單，包括烏干達、安哥拉、蘇丹、海地與蒙古。

連交付方式的假設都為地形調整過。目標地區許多醫療院所沒有全天候電力——但如 Nadler 所言，多數醫師有智慧型手機。這翻轉了部署模型：不必為醫院拉線布點，臨床知識層直接乘著每位醫師口袋裡的裝置抵達。十年前只有梅約診所（Mayo Clinic）等頂尖機構才拿得到的優質醫療資訊，如今實質上只差一門號的手機方案。

Anthropic 為什麼這麼做

對 Anthropic 而言，此舉延續了既定策略：把 Claude 定位為嚴肅機構工作——醫療、生命科學、政府——的 AI 層，而非消費端聊天機器人戰場。該公司先前已推出 Claude for Life Sciences，並於 2026 年 5 月宣布與蓋茲基金會（Gates Foundation）合作，重點正是改善中低所得國家（約 46 億人口）的健康成果。OpenEvidence 合作是自然的延伸：一個具體部署，既符合「讓 AI 廣泛造福人類」的使命論述，也讓 Claude 進入少數產品能企及的醫師日常 workflow 規模。

Anthropic 總裁 Daniela Amodei 把這樁合作定性為「修補市場失靈」，而非開拓市場。「技術本身已經進步到，把 OpenEvidence 帶進低資源地區所需的結構就在那裡，」她說，「但若沒有這種創業家精神、公益導向的工作，單靠市場誘因不會讓它發生。」

這段話相當坦白：這些國家在任何近期展望下都不會是賺錢的企業客戶。這樁合作之所以存在，是因為一家有多餘模型產能的前沿實驗室，與一家產品已獲驗證的醫療 AI 公司，認定全球部署在聲譽、使命與長期策略上的價值，超過短期營收。路透社上週還報導，Anthropic 已建立實體生物學實驗室，將 AI 企圖心推向藥物科學——OpenEvidence 這步棋，則把同一波醫療布局從研究端延伸到交付端。

樂觀者與審慎者

來自目標地區的第一線臨床反應偏向期待。埃及班哈大學（Benha University）心臟科醫師 Ahmed Bendary 表示，把這類工具開放給美歐以外地區「將是巨大的躍進，尤其是在機構期刊訂閱有限的地區，實證導向的臨床即時工具因此更加關鍵」。

但保留意見同樣真實，兩家公司自己的表述也承認這一點。對 LMIC 部署臨床 AI 的批評者提醒：模型的訓練資料可能內建高所得國家偏誤；忙碌的臨床人員可能過度信任即時工具；許多目標國家更缺乏能稽核這類系統的監理基礎設施。要在 100 個國家規模做到在地化——各國的藥品清單、指引、疾病負擔與語言皆不同——是龐大的工程與臨床挑戰，成敗取決於每個地區 rollout 的細節，而非新聞稿。值得注意的還有：宣布內容並未說明部署使用哪些 Claude 模型、將伴隨什麼評估或安全監測機制，也沒有解釋「情境適應」調整將如何逐國驗證。

持久性也是一個問題。「使用點免費」是一個承諾，它的成立取決於兩家公司是否持續補貼一個無上限用戶群的推論成本。Anthropic 與 OpenEvidence 既未揭露財務條款，也未說明成本如何分攤、承諾為期多久。

這意味著什麼

剝除但書之後，這仍是迄今全球健康領域規模最大的前沿 AI 刻意部署之一：約 100 國、醫師免費使用、產品在美國已有每月 4,200 萬次臨床查詢的實績。如果情境適應的工程做起來，波士頓教學醫院與古盧（Gulu）地區診所之間的實證鴻溝，將一筆抹平——不是靠蓋新醫院，而是把世界級的醫學知識重新歸類為「隨行動網路送達」的公共財。

這樁合作也透露了 AI 產業競爭前沿的走向。一年前，實驗室在基准分數上較勁；這一週，Anthropic 把算力送進了診所。當模型能力日益商品化，深入高風險專業 workflow 的通路佈建——以及建立信任的公益部署——正成為新的差異化戰場。烏干達、蒙古與海地的醫師們，即將親身驗證這份信任是否站得住腳。