ارزیابی، یکی از ارکان اصلی یادگیری در آموزش علوم پزشکی است و در شرایط بحران، اهمیت آن دوچندان می‌شود. جنگ‌ها، بحران‌های انسانی و اختلال در زیرساخت‌های آموزشی نشان داده‌اند که روش‌های سنتی ارزیابی، به‌ویژه آزمون‌های حضوری و پرمخاطره، در مواجهه با شرایط بحرانی از کارآمدی و عدالت کافی برخوردار نیستند. همچنین این آزمون‌ها در سنجش شایستگی‌های پیچیده‌ای مانند استدلال بالینی، مهارت‌های ارتباطی، تصمیم‌گیری و سازگاری در شرایط فشار محدودیت دارند. در مقابل، رویکرد ارزیابی مبتنی بر صلاحیت و ارزیابی‌های طولی و تکوینی، انعطاف‌پذیری بیشتری برای تداوم آموزش و ارزیابی در بحران فراهم می‌کنند. پیشرفت‌های اخیر در حوزه هوش مصنوعی نیز فرصت‌های نوینی برای طراحی سناریوهای بالینی، آزمون‌های تطبیقی، بیماران مجازی، OSCE مجازی و ارائه بازخورد خودکار ایجاد کرده است. با این حال، چالش‌هایی نظیر سوگیری الگوریتمی، وابستگی بیش از حد به سامانه‌های خودکار و محدودیت زیرساخت‌های فناوری در شرایط بحران، ضرورت استفاده محتاطانه از این فناوری را برجسته می‌کند. بر این اساس، استفاده از مدل ارزیابی ترکیبی با حفظ نقش محوری اعضای هیئت علمی و بهره‌گیری هدفمند از هوش مصنوعی به‌عنوان ابزار حمایتی پیشنهاد می‌شود. همچنین، توسعه ارزیابی‌های مبتنی بر صلاحیت، استفاده از روش‌های متنوع ارزیابی، کاهش وابستگی به آزمون‌های حافظه‌محور و توجه به شرایط متفاوت دانشجویان در زمان بحران می‌تواند به ارتقای کیفیت و عدالت آموزشی کمک کند.