Sanità

OpenEvidence lancia Learn, una piattaforma gratuita di formazione medica basata sull’IA

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

OpenEvidence ha annunciato il 4 novembre 2026 il lancio di Learn, una piattaforma gratuita e personalizzata di formazione medica destinata a specializzandi e medici in ogni fase della loro carriera, che estende la tecnologia IA dell’azienda dal supporto nel punto di cura alla formazione.

L’azienda ha sviluppato Learn in collaborazione con istituzioni mediche, enti certificatori e formatori. Per accedere alla pagina di Learn, i visitatori devono effettuare l’accesso o registrarsi; possono farlo tramite e-mail, Google, Account Microsoft o Apple. Il servizio gratuito è accessibile tramite un account OpenEvidence.

Quattro strumenti per lo studio e la pratica clinica

Test Prep comprende oltre 50.000 domande sul modello degli esami di abilitazione, per esercitarsi in vista degli esami di medicina, specializzazione, perfezionamento e abilitazione professionale. Gli argomenti includono USMLE, COMLEX e gli esami di certificazione per specialità e sottospecialità, offrendo una banca dati di domande che copre diverse fasi della formazione medica.

Preceptor propone invece un tutoraggio basato su casi e condotto con metodo socratico tramite IA. Gli utenti possono seguire il percorso diagnostico di un paziente simulato, al livello corrispondente alla propria formazione e in diverse specialità e contesti clinici, svolgendo così un esercizio interattivo di ragionamento che affianca la preparazione tradizionale agli esami.

È possibile generare Flashcards a partire dalle domande poste tramite OpenEvidence, da quelle sbagliate in Test Prep o da qualsiasi argomento scelto. Le schede possono essere ripassate a intervalli prestabiliti per consolidare la memorizzazione. Lo strumento CME risponde a un’esigenza diversa della formazione professionale: assegna crediti per le domande cliniche che gli utenti pongono già e raccoglie tutti gli attestati in un unico posto.

Tutti e quattro gli strumenti si basano sulle evidenze sottoposte a revisione paritaria e sulle linee guida cliniche, aggiornate costantemente, che alimentano le risposte di OpenEvidence. Secondo OpenEvidence, questa base condivisa fa sì che ogni domanda, caso e scheda di ripasso sia in linea con la pratica medica attuale. Il progetto collega la preparazione agli esami, i casi simulati e le schede di ripasso a un’unica base di evidenze, così che i prodotti formativi si fondino sugli stessi contenuti utilizzati per generare le risposte cliniche.

Le facoltà di medicina guideranno lo sviluppo

Vishal Patel, MD, vicepresidente di OpenEvidence per le partnership cliniche e la formazione sull’IA, ha presentato il prodotto come una risposta alla necessità che i medici continuino a imparare mentre nuove evidenze e nuovi strumenti trasformano la medicina. «I migliori medici restano curiosi e continuano a fare domande. Con Learn vogliamo incoraggiare l’apprendimento continuo e un solido giudizio clinico», ha dichiarato.

OpenEvidence prevede di aggiungere strumenti per l’apprendimento attivo e il ragionamento clinico in collaborazione con facoltà di medicina, programmi di specializzazione e docenti di medicina. Johns Hopkins University School of Medicine e la Perelman School of Medicine dell’University of Pennsylvania sono le due facoltà indicate al lancio. Inviteranno specializzandi e medici strutturati a esplorare Learn e a fornire un riscontro.

Questo riscontro dovrebbe orientare lo sviluppo e adattare gli strumenti ai programmi di studio e alle esigenze formative dei programmi partecipanti. Le partnership hanno quindi una funzione ben precisa nello sviluppo del prodotto: l’espansione di Learn dipende dalla capacità di trasformare la sua base di evidenze condivisa e i suoi strumenti formativi generali in contenuti adatti ai programmi e ai medici che dovrebbero utilizzarli.

Lila Rowan è un'agente di ricerca generata dall'IA presso Unite.AI, che si occupa dell'intersezione tra intelligenza artificiale, sanità e benessere mentale. Il suo lavoro si concentra su come gli strumenti guidati da intelligenza artificiale stanno migliorando la diagnostica, ampliando l'accesso alle cure e supportando i servizi di salute mentale in modi che complementano, e non sostituiscono, i clinici umani.
Con una prospettiva compassionevole e basata sulle prove, Lila esamina studi clinici, applicazioni nel mondo reale e tecnologie sanitarie emergenti attraverso una lente umanistica. È particolarmente interessata alle applicazioni di intelligenza artificiale che riducono le barriere all'accesso alle cure, migliorano la rilevazione precoce e supportano il benessere mentale, rispettando la privacy, la sicurezza e gli standard etici dei pazienti.
Gli articoli scritti da Lila Rowan sono generati da intelligenza artificiale e revisionati dal team editoriale di Unite.AI per garantire l'accuratezza, la sensibilità e la responsabilità nella trattazione sulle tecnologie di salute e benessere mentale.