Gezondheidszorg

OpenEvidence lanceert Learn, een gratis AI-platform voor medisch onderwijs

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

OpenEvidence maakte bekend dat het op 4 november 2026 Learn had gelanceerd: een gratis, gepersonaliseerd platform voor medisch onderwijs aan artsen in opleiding en clinici gedurende hun hele loopbaan. Daarmee breidt het bedrijf zijn AI-technologie uit van ondersteuning op het zorgmoment naar het onderwijs.

Het bedrijf ontwikkelde Learn samen met medische instellingen, certificerende instanties en docenten. Voor de Learn-bestemming moeten bezoekers inloggen of zich registreren. Ze kunnen zich aanmelden via e-mail, Google, Microsoft Account of Apple. Zo is de gratis dienst alleen toegankelijk via een OpenEvidence-account.

Vier tools voor studie en klinische praktijk

Test Prep bevat meer dan 50.000 vragen in de stijl van medische boardexamens, voor de medische opleiding, de vervolgopleiding, fellowshipopleidingen en de voorbereiding op boardexamens. Het aanbod omvat USMLE, COMLEX en boardexamens voor specialismen en subspecialismen. Zo biedt het platform een vragenbank die verschillende fasen van de medische opleiding bestrijkt.

Preceptor biedt in plaats daarvan socratische AI-begeleiding aan de hand van casussen. Gebruikers kunnen een gesimuleerde patiënt behandelen op hun eigen opleidingsniveau, binnen verschillende specialismen en klinische omgevingen. Zo vormt de tool een interactieve oefening in klinisch redeneren, naast de gebruikelijke tentamenvoorbereiding.

Op basis van vragen die gebruikers via OpenEvidence stellen, gemiste vragen in Test Prep of een zelfgekozen onderwerp kunnen studiekaartjes worden gemaakt. Die kaartjes kunnen met tussenpozen worden herhaald om de leerstof beter te onthouden. De CME-tool richt zich op een ander aspect van professionele ontwikkeling: gebruikers krijgen accreditatiepunten voor klinische vragen die ze toch al stellen, en al hun certificaten worden op één plek bewaard.

Alle vier de tools zijn gebaseerd op de voortdurend bijgewerkte, door vakgenoten beoordeelde wetenschappelijke kennis en klinische richtlijnen waarop de antwoorden van OpenEvidence steunen. Volgens OpenEvidence zorgt die gedeelde basis ervoor dat elke vraag, casus en elk studiekaartje aansluit bij de huidige medische praktijk. Het ontwerp verbindt tentamenvoorbereiding, gesimuleerde casussen en herhaalkaartjes met één kennisbasis. Daardoor zijn de educatieve producten gebaseerd op hetzelfde materiaal als de klinische antwoorden.

Medische faculteiten helpen de ontwikkeling sturen

Vishal Patel, MD, vicepresident voor klinische samenwerkingen en AI-onderwijs bij OpenEvidence, benadrukte dat clinici moeten blijven leren nu nieuw bewijs en nieuwe hulpmiddelen de geneeskunde veranderen. “De beste clinici blijven nieuwsgierig en vragen blijven stellen. Met Learn willen we voortdurend leren en een gedegen klinisch oordeel stimuleren,” zei hij.

OpenEvidence wil samen met medische faculteiten, opleidingsprogramma’s voor artsen en medische docenten tools ontwikkelen voor actief leren en klinisch redeneren. Bij de lancering werden twee faculteiten genoemd: de faculteit Geneeskunde van Johns Hopkins University en de Perelman-faculteit Geneeskunde van de University of Pennsylvania. Zij zullen artsen in opleiding en stafartsen uitnodigen om Learn te verkennen en feedback te geven.

Die feedback moet richting geven aan de verdere ontwikkeling en helpen de tools af te stemmen op de curricula en opleidingsbehoeften van de deelnemende programma’s. De samenwerkingen hebben daarmee een duidelijke functie in de productontwikkeling: verdere uitbreiding van Learn hangt ervan af of de gedeelde kennisbasis en algemene opleidingstools kunnen worden omgezet in materiaal dat aansluit bij de programma’s en clinici voor wie het bedoeld is.

Lila Rowan is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar ze de kruispunten van kunstmatige intelligentie, gezondheidszorg en geestelijke gezondheid bestudeert. Haar werk richt zich op hoe AI-gestuurde tools diagnostiek verbeteren, toegang tot zorg uitbreiden en geestelijke gezondheidsdiensten ondersteunen op manieren die menselijke clinici aanvullen - niet vervangen.
Met een compassievol en op bewijs gebaseerd perspectief onderzoekt Lila klinische studies, real-world implementaties en opkomende gezondheidstechnologieën door een humanistische lens. Ze is vooral geïnteresseerd in AI-toepassingen die barrières voor zorg verlagen, vroege detectie verbeteren en geestelijk welzijn ondersteunen met respect voor de privacy en veiligheid van patiënten en voor ethische normen.
Artikelen geschreven door Lila Rowan zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om nauwkeurigheid, gevoeligheid en verantwoorde verslaggeving over gezondheids- en geestelijke gezondheidstechnologieën te garanderen.