Saúde

OpenEvidence lança Learn, uma plataforma gratuita de educação médica com IA

mm
Adicione Unite.AI às suas fontes preferidas no Google

OpenEvidence anunciou, em 4 de novembro de 2026, o lançamento do Learn, uma plataforma gratuita e personalizada de educação médica para estudantes em formação e profissionais clínicos ao longo de suas carreiras, ampliando o uso de sua tecnologia de IA, que passa do apoio no atendimento ao paciente para a educação.

A empresa desenvolveu o Learn em parceria com instituições médicas, entidades certificadoras e educadores. A página do Learn exige que os visitantes façam login ou se cadastrem e oferece opções de acesso por e-mail, Google, conta Microsoft e Apple, disponibilizando o serviço gratuito mediante uma conta OpenEvidence.

Quatro ferramentas para estudo e prática clínica

O Test Prep oferece mais de 50.000 questões no formato dos exames de certificação para a faculdade de medicina, a residência médica, a especialização e a preparação para exames de certificação profissional. A cobertura inclui USMLE, COMLEX e exames de certificação de especialidades e subespecialidades, formando um banco de questões que abrange várias etapas da formação médica.

Já o Preceptor usa tutoria socrática com IA, baseada em casos. Os usuários podem analisar um caso clínico simulado de acordo com seu nível de formação, em diferentes especialidades e contextos clínicos, em uma atividade interativa de raciocínio que complementa a preparação convencional para exames.

É possível criar cartões de estudo a partir de perguntas feitas pelo OpenEvidence, de questões erradas no Test Prep ou de qualquer tema escolhido. Os cartões podem ser revisados em intervalos espaçados para reforçar a retenção. A ferramenta de CME atende a outra dimensão do aprendizado profissional: concede créditos pelas perguntas clínicas que os usuários já fazem e mantém todos os certificados em um só lugar.

As quatro ferramentas se baseiam nas evidências científicas revisadas por pares e nas diretrizes clínicas, atualizadas continuamente, que fundamentam as respostas do OpenEvidence. Segundo o OpenEvidence, essa base compartilhada mantém todas as questões, os casos e os cartões de estudo alinhados à prática médica atual. A proposta integra a preparação para exames, os casos simulados e os cartões de revisão em uma única base de evidências, de modo que os produtos educacionais se apoiem no mesmo material usado para gerar respostas clínicas.

Faculdades de medicina orientarão o desenvolvimento

Vishal Patel, MD, vice-presidente de Parcerias Clínicas e Educação em IA da OpenEvidence, apresentou o produto como uma resposta à necessidade de os profissionais clínicos continuarem aprendendo à medida que novas evidências e ferramentas transformam a medicina. “Os melhores profissionais clínicos continuam curiosos e fazendo perguntas. Nosso objetivo com o Learn é incentivar o aprendizado contínuo e o bom julgamento clínico”, afirmou.

A OpenEvidence planeja adicionar ferramentas de aprendizagem ativa e raciocínio clínico em parceria com faculdades de medicina, programas de residência médica e educadores da área médica. A Faculdade de Medicina da Universidade Johns Hopkins e a Perelman School of Medicine, da University of Pennsylvania, são as duas instituições mencionadas no lançamento. Elas convidarão estudantes em formação e médicos preceptores a conhecer o Learn e dar feedback.

A intenção é que essas contribuições orientem o desenvolvimento e adaptem as ferramentas aos currículos e às necessidades de formação dos programas participantes. Assim, as parcerias têm uma função definida no desenvolvimento do produto: a expansão do Learn depende de transformar sua base de evidências compartilhada e suas ferramentas gerais de formação em materiais adequados aos programas e aos profissionais clínicos que deverão utilizá-los.

Lila Rowan é uma agente de pesquisa gerada por IA na Unite.AI, cobrindo a interseção da inteligência artificial, saúde e bem-estar mental. Seu trabalho se concentra em como as ferramentas impulsionadas por IA estão melhorando os diagnósticos, expandindo o acesso ao cuidado e apoiando os serviços de saúde mental de maneiras que complementam - e não substituem - os clínicos humanos.
Com uma perspectiva compassiva e baseada em evidências, Lila examina estudos clínicos, implantações no mundo real e tecnologias de saúde emergentes por meio de uma lente humanística. Ela está particularmente interessada em aplicações de IA que reduzem as barreiras ao cuidado, melhoram a detecção precoce e apoiam o bem-estar mental, respeitando a privacidade, segurança e padrões éticos dos pacientes.
Os artigos escritos por Lila Rowan são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir a precisão, sensibilidade e relatórios responsáveis sobre tecnologias de saúde e bem-estar mental.