OpenEvidence lancia la famiglia di modelli di IA medica con l’anteprima di Darwin

OpenEvidence ha rilasciato una nuova famiglia di modelli di IA medica il 3 settembre 2026, rendendo disponibili tre modelli di produzione gratuitamente per i clinici verificati e aprendo un quarto, che descrive come il più avanzato, ai ricercatori solo su richiesta.

I tre modelli di produzione sono intitolati a figure della storia della medicina. Osler, che l’azienda descrive come il suo modello più veloce, impiega circa cinque secondi per risposta, è il successore del modello che in precedenza alimentava le risposte di OpenEvidence e diventa il modello predefinito della piattaforma. Sackett è presentato come un modello di ricerca più profondo, che richiede circa 30 secondi per risposta per le domande che dipendono dal peso delle evidenze. Snow, successore della funzione OpenEvidence Deep Consult, è il modello di produzione più approfondito, con circa cinque minuti per risposta, eseguendo un’indagine completa della letteratura medica prima di produrre un rapporto.

I modelli vengono distribuiti a tutti gli utenti di OpenEvidence su openevidence.com e alle app iOS e Android dell’azienda, con i clinici che possono selezionarli tramite un selettore di modello nell’interfaccia. OpenEvidence ha dichiarato che ogni modello della famiglia è soggetto allo stesso standard di accuratezza clinica, la differenza tra di essi consiste nel tempo di ragionamento e nella profondità della ricerca.

I nomi prendono spunto da William Osler, che ha spostato l’insegnamento medico dalla sala conferenze al letto del paziente; David Sackett, ricordato come il padre della medicina basata sull’evidenza; e John Snow, che ha ricostruito l’epidemia di colera del 1854 in Broad Street attribuendola a una singola pompa d’acqua e ha contribuito a fondare l’epidemiologia moderna.

Darwin in anteprima di ricerca

Il quarto modello, Darwin, è in anteprima di ricerca e non viene rilasciato al pubblico. Nellannuncio, OpenEvidence descrive Darwin come il modello di IA medica più avanzato al mondo e afferma che è il primo modello di IA a ottenere un punteggio perfetto su MedQA, che l’azienda definisce il principale benchmark completamente indipendente per l’IA medica. L’azienda segnala inoltre che Darwin è all’avanguardia su MedXpertQA con il 72,8 % , su HealthBench Professional con l’82,7 % e su NOHARM con l’87,2 %, superando i modelli successivi, che nomina Claude Fable 5 e Gemini 3.7.

L’accesso è consentito solo su richiesta. OpenEvidence ha dichiarato che il suo ragionamento è legato al rischio di doppio uso: un modello capace di ragionare ai confini della virologia, dell’immunologia e della genetica umana potrebbe, nelle mani sbagliate, accelerare lavori strettamente regolamentati, come la ricerca pertinente alle armi biologiche e la modifica germinale al di fuori della supervisione scientifica tradizionale. L’accesso attuale comprende partner istituzionali come la National Organization for Rare Disorders, che fornisce a Darwin i casi più complessi, collaboratori di ricerca e ricercatori di IA accreditati presso istituzioni accademiche che valutano l’accuratezza e la sicurezza dell’IA nella medicina clinica. L’azienda ha affermato che le capacità di Darwin saranno trasferite a Osler, Sackett e Snow man mano che le sue misure di sicurezza saranno validate con questi partner.

Metodologia del benchmark

In un post tecnico di accompagnamento, OpenEvidence ha dettagliato la configurazione della valutazione. Per MedQA, l’azienda è partita dalle ri-annotazioni dei medici del benchmark di 1.273 domande a quattro opzioni e ha applicato criteri di esclusione per informazioni mancanti, ambiguità e errori di etichettatura, seguiti da una seconda revisione ad agosto 2026 da parte di tre medici di OpenEvidence che hanno coperto ogni domanda a cui qualsiasi modello valutato ha risposto in modo errato. Questo ha prodotto un set finale di valutazione di 660 domande, a cui Darwin ha risposto senza errori. L’azienda sta rilasciando le sue annotazioni e le risposte complete di Darwin per tutti e quattro i benchmark.

Su MedXpertQA, Darwin è stato valutato sull’intero set di 2.450 domande Text, escludendo il sottoinsieme multimodale. Per HealthBench Professional, l’azienda ha utilizzato il set di test pubblico escludendo i casi a più turni, lasciando 410 dei 525 compiti, e ha valutato le risposte con la configurazione LLM-as-a-judge pubblicata da Anthropic, usando Claude Opus 4.8 con un budget massimo di ragionamento di 32.000 token. NOHARM, un benchmark che misura la frequenza e la gravità delle raccomandazioni dannose in casi di consultazione reale, è stato valutato con il suo pacchetto open‑source ufficiale sul sottoinsieme aperto di 30 casi.

Le baseline sono state eseguite come claude-fable-5 con pensiero adattivo, gpt-5.6-sol con sforzo di ragionamento predefinito e gemini-3.7-flash con sforzo di ragionamento predefinito, utilizzando le impostazioni predefinite delle API di ciascun provider senza strumenti né prompt di sistema personalizzati. I punteggi di HealthBench Professional sono stati mediati su almeno cinque prove indipendenti per modello, mentre gli altri set di dati sono stati valutati con un’unica passata, riportando i punteggi medi.

Secondo il post, il punteggio di Darwin su MedXpertQA è 7,7 punti superiore alla baseline più forte, il punteggio su HealthBench Professional è 12,1 punti sopra il modello successivo, e il suo F1 ponderato per gravità su NOHARM ha raggiunto 0,872 contro 0,740 per la baseline più vicina. L’azienda ha riconosciuto che la precisione non ponderata di Darwin su NOHARM è inferiore a quella di diverse baseline, spiegando che la metrica conta ogni raccomandazione assente dalla rubrica come falso positivo e che Darwin è calibrato per fornire ai medici l’intero insieme di opzioni rilevanti. Ha riportato la precisione ponderata per gravità di Darwin al 0,9.

Disponibilità e prossimi passi

Osler, Sackett e Snow sono disponibili con utilizzo illimitato per tutti i clinici verificati senza costi. Darwin è disponibile per i ricercatori tramite un processo di candidatura sul sito dell’azienda.

OpenEvidence ha dichiarato che continuerà a migliorare, espandere e aumentare l’accesso alla famiglia di modelli nel tempo, includendo modelli sviluppati per pratiche specialistiche a partire da oncologia, radiologia e genetica clinica.