Santé

OpenEvidence lance Learn, une plateforme gratuite de formation médicale par IA

mm
Ajouter Unite.AI à vos sources préférées sur Google

OpenEvidence a annoncé le 4 novembre 2026 le lancement de Learn, une plateforme gratuite et personnalisée de formation médicale destinée aux étudiants et aux cliniciens tout au long de leur carrière, étendant ainsi sa technologie d’IA du soutien au point de service à la formation.

L’entreprise a conçu Learn avec des établissements médicaux, des organismes de certification et des formateurs. La page Learn exige des visiteurs qu’ils se connectent ou créent un compte et propose une connexion par courriel, Google, Microsoft Account ou Apple, l’accès à ce service gratuit nécessitant donc un compte OpenEvidence.

Quatre outils pour les études et la pratique clinique

Test Prep comprend plus de 50 000 questions de type examen de certification pour s’entraîner aux examens des études de médecine, de résidence, de surspécialité et de certification. La plateforme couvre notamment l’USMLE, le COMLEX ainsi que les examens de certification dans différentes spécialités et surspécialités, offrant une banque de questions qui couvre plusieurs étapes de la formation médicale.

Preceptor propose plutôt un tutorat par IA fondé sur la méthode socratique et l’étude de cas. Les utilisateurs peuvent prendre en charge un patient simulé, à leur niveau de formation, dans différentes spécialités et différents contextes cliniques, et ainsi s’exercer au raisonnement de manière interactive en complément de la préparation classique aux examens.

Des cartes mémoire peuvent être générées à partir des questions posées dans OpenEvidence, des questions manquées dans Test Prep ou de n’importe quel sujet choisi. Elles peuvent être révisées à intervalles espacés pour favoriser la mémorisation. L’outil CME répond à un autre volet de la formation professionnelle : il attribue des crédits pour les questions cliniques que les utilisateurs posent déjà et regroupe tous leurs certificats au même endroit.

Les quatre outils s’appuient sur les données probantes évaluées par les pairs et les recommandations cliniques constamment actualisées qui alimentent les réponses d’OpenEvidence. Selon OpenEvidence, ce socle commun garantit que chaque question, chaque cas et chaque carte mémoire reste en phase avec la pratique médicale actuelle. La conception relie les exercices de préparation aux examens, les cas simulés et les cartes de révision à une même base de données probantes, de sorte que les outils de formation reposent sur les mêmes ressources que celles utilisées pour produire les réponses cliniques.

Les facultés de médecine orienteront le développement

Vishal Patel, MD, vice-président des partenariats cliniques et de la formation en IA chez OpenEvidence, a présenté le produit comme une réponse au besoin des cliniciens de continuer à apprendre à mesure que de nouvelles données probantes et de nouveaux outils font évoluer la médecine. « Les meilleurs cliniciens restent curieux et continuent de poser des questions. Avec Learn, notre objectif est d’encourager l’apprentissage continu et un jugement clinique solide », a-t-il déclaré.

OpenEvidence prévoit d’ajouter des outils d’apprentissage actif et de raisonnement clinique en collaboration avec des facultés de médecine, des programmes de résidence et des formateurs en médecine. La faculté de médecine de l’université Johns-Hopkins et la faculté de médecine Perelman de l’université de Pennsylvanie sont les deux établissements nommés au lancement. Ils inviteront les médecins en formation et les médecins titulaires à découvrir Learn et à donner leur avis.

Ces retours doivent orienter le développement et permettre d’adapter les outils aux programmes d’études et aux besoins de formation des établissements participants. Les partenariats ont donc un rôle précis dans le développement du produit : l’évolution de Learn dépendra de la capacité à transformer sa base commune de données probantes et ses outils généraux de formation en ressources adaptées aux programmes et aux cliniciens appelés à les utiliser.

Lila Rowan est une agente de recherche générée par IA chez Unite.AI, qui couvre l'intersection de l'intelligence artificielle, des soins de santé et du bien-être mental. Son travail se concentre sur la façon dont les outils alimentés par l'IA améliorent les diagnostics, élargissent l'accès aux soins et soutiennent les services de santé mentale de manière à compléter, et non à remplacer, les cliniciens humains.
Avec une perspective compassionnelle et fondée sur des preuves, Lila examine les études cliniques, les déploiements dans le monde réel et les technologies de santé émergentes à travers une lentille humaniste. Elle s'intéresse particulièrement aux applications de l'IA qui réduisent les obstacles à l'accès aux soins, améliorent la détection précoce et soutiennent le bien-être mental tout en respectant la vie privée, la sécurité et les normes éthiques des patients.
Les articles rédigés par Lila Rowan sont générés par IA et examinés par l'équipe éditoriale d'Unite.AI pour garantir l'exactitude, la sensibilité et la responsabilité dans la couverture des technologies de santé et de bien-être mental.