Inteligência artificial na medicina: o futuro da formação

Reaprender · Parte 3 de 3

“O analfabeto do século XXI não será aquele que não sabe ler e escrever, mas aquele que não consegue aprender, desaprender e reaprender.”

Frase atribuída a Alvin Toffler

A inteligência artificial já está transformando a medicina. Ela auxilia na análise de exames, identifica padrões que podem passar despercebidos, apoia decisões clínicas e começa a participar de diferentes etapas do cuidado com o paciente.

Mas existe uma questão que me parece ainda mais importante do que discutir o que a tecnologia já consegue fazer: estamos preparando os profissionais para trabalhar em um cenário no qual o conhecimento, as ferramentas e as formas de tomar decisões mudam cada vez mais rápido?

Essa pergunta encerra a série Reaprender, que começou com uma reflexão sobre como aprendemos, avançou para os desafios da formação médica no Brasil e chega agora ao impacto da inteligência artificial sobre o futuro da medicina e das profissões.

Porque, quando a tecnologia muda a maneira como trabalhamos, não basta aprender a utilizar uma nova ferramenta. Precisamos rever o que aprendemos, como aprendemos e quais competências continuarão relevantes.

O que a inteligência artificial já faz na medicina

A inteligência artificial deixou de ser apenas uma promessa para se tornar parte da prática médica.

Na radiologia, por exemplo, sistemas de IA são utilizados para analisar imagens e sinalizar achados que merecem atenção. Na patologia, modelos computacionais auxiliam na identificação de padrões em lâminas. Outras aplicações envolvem apoio à documentação clínica, organização de informações, monitoramento e análise de dados.

Uma análise científica publicada em 2025 identificou 950 dispositivos médicos habilitados por inteligência artificial autorizados pela FDA, agência reguladora dos Estados Unidos. Desse total, 723 estavam relacionados à radiologia, aproximadamente 76% dos dispositivos considerados naquele levantamento.

O dado mostra a concentração das aplicações em uma área na qual imagens e padrões visuais têm papel central. Não significa, porém, que a IA esteja igualmente desenvolvida em todas as especialidades ou que todos esses dispositivos tenham o mesmo nível de impacto clínico.

Outro exemplo vem da patologia. Em um estudo com 16 patologistas que avaliaram 610 imagens de biópsias de próstata, o uso de inteligência artificial esteve associado a uma redução de 70% nos erros de detecção de câncer naquela avaliação específica.

É um resultado relevante, mas precisa ser interpretado dentro de seu contexto. Um estudo controlado não comprova que qualquer sistema de IA reduzirá erros na mesma proporção em todas as situações clínicas.

O ponto central é outro: quando bem desenvolvida e aplicada, a tecnologia pode ampliar a capacidade de análise do profissional. Ao mesmo tempo, exige validação, supervisão e compreensão de suas limitações.

A adoção também avança na rotina dos médicos. Em levantamento divulgado pela American Medical Association em 2026, 81% dos médicos entrevistados nos Estados Unidos relataram utilizar IA profissionalmente, ante 38% em 2023.

Esses números não representam automaticamente a realidade brasileira, mas ajudam a dimensionar a velocidade da transformação.

A questão já não é apenas se a inteligência artificial entrará na medicina. É como ela será incorporada à prática, com quais critérios e sob qual responsabilidade.

O que muda no papel do médico?

Durante muito tempo, acumular conhecimento técnico foi uma das principais formas de construir autoridade profissional. Uma formação sólida, experiência clínica e domínio de procedimentos continuam sendo fundamentais. Nada disso perdeu valor.

O que muda é a relação entre conhecimento, acesso à informação e tomada de decisão.

Se uma ferramenta consegue organizar grandes volumes de dados, comparar padrões e sugerir hipóteses em segundos, o diferencial do profissional não pode estar apenas em acessar informações ou reproduzir respostas.

Passa a depender ainda mais da capacidade de interpretar o resultado, avaliar a qualidade da evidência, reconhecer inconsistências, considerar o contexto do paciente e decidir quando uma recomendação deve ser aceita, investigada ou descartada.

Isso envolve julgamento clínico, pensamento crítico, comunicação, ética e responsabilidade.

Também exige reconhecer que uma resposta tecnicamente convincente pode estar errada. Sistemas de inteligência artificial podem reproduzir vieses, apresentar informações incorretas ou perder precisão quando utilizados em populações, instituições e condições diferentes daquelas em que foram desenvolvidos.

Uma revisão sistemática sobre inteligência artificial em radiologia identificou situações em que a especificidade de determinados modelos caiu em até 24 pontos percentuais durante avaliações externas. Esse resultado não se aplica a todos os sistemas, mas demonstra por que o desempenho observado em um ambiente de desenvolvimento não deve ser confundido com desempenho garantido na prática.

O médico do futuro não será definido simplesmente por usar ou não usar IA.

Será definido, em parte, pela capacidade de compreender onde a tecnologia ajuda, onde falha e como integrá-la a decisões que continuam envolvendo pessoas, consequências e responsabilidade profissional.

O desafio da formação médica no Brasil

Essa transformação ganha uma dimensão particular quando olhamos para a formação médica brasileira.

O país precisa discutir não apenas quantos médicos forma, mas também como esses profissionais são preparados, quais experiências práticas vivenciam, que condições encontram para desenvolver competências e como conseguem continuar aprendendo depois da graduação.

A expansão do número de cursos e de vagas torna esse debate ainda mais relevante. Entretanto, não seria correto atribuir todos os desafios da assistência à formação acadêmica. A distribuição de médicos, o acesso à residência, a infraestrutura dos serviços, os incentivos econômicos e as políticas públicas também influenciam a qualidade e a disponibilidade do atendimento.

O que podemos afirmar é que a formação não termina quando o diploma é conquistado.

A medicina já exige atualização contínua em protocolos, evidências, técnicas e tecnologias. Com a inteligência artificial, essa necessidade se torna mais complexa: além de acompanhar a evolução científica, o profissional precisa desenvolver competência para avaliar ferramentas que podem influenciar sua prática.

Isso implica aprender a formular perguntas, verificar fontes, reconhecer limites metodológicos, proteger dados, identificar vieses e entender quando a intervenção humana é indispensável.

Não se trata de transformar todo médico em especialista em tecnologia. Trata-se de garantir que ele tenha repertório suficiente para utilizá-la com critério.

E esse aprendizado não pode depender apenas da iniciativa individual de quem consegue acompanhar as mudanças por conta própria. Instituições de ensino, hospitais, sociedades médicas e organizações de educação continuada também precisam assumir seu papel.

Reaprender se tornou uma questão estratégica

Reaprender não significa descartar tudo o que foi construído até aqui. Significa reconhecer que uma competência que foi suficiente em determinado momento pode precisar ser ampliada, atualizada ou aplicada de outra maneira.

Essa capacidade importa especialmente em profissões nas quais decisões têm consequências concretas.

Para o médico, pode significar revisar um processo diagnóstico diante de uma nova evidência. Para uma liderança, reconsiderar uma decisão quando os dados mudam. Para uma empresa, questionar um modelo de negócio que funcionou por anos, mas começa a perder relevância.

Em todos esses casos, existe uma dificuldade que vai além de aprender algo novo: precisamos estar dispostos a questionar aquilo que já sabemos.

A experiência é um ativo importante, mas pode se tornar uma limitação quando transforma métodos antigos em verdades permanentes. Quanto maior a trajetória profissional, maior pode ser o investimento emocional e intelectual em formas conhecidas de trabalhar.

É por isso que a disposição para aprender precisa caminhar junto com a capacidade de revisar convicções.

No contexto da inteligência artificial, isso também significa não confundir familiaridade com domínio. Saber utilizar uma ferramenta não é o mesmo que compreender suas limitações. Receber uma resposta não é o mesmo que validá-la. Automatizar uma etapa não significa que o processo inteiro se tornou melhor.

A pergunta estratégica deixa de ser apenas “qual ferramenta precisamos adotar?” e passa a incluir: “qual problema queremos resolver, que competências são necessárias e como saberemos se a solução realmente funciona?”.

Essa mudança de perspectiva vale para a medicina, para a educação e para os negócios.

O que isso tem a ver com o Método FDV?

O Método FDV (Força, Direção e Voz) nasceu da minha compreensão de que a capacidade de construir uma trajetória consistente depende de três dimensões que precisam funcionar juntas.

Diante de um cenário de transformação tecnológica, elas também ajudam a organizar a maneira como aprendemos e tomamos decisões.

Essas três dimensões não substituem a formação técnica. Elas ajudam a orientar como essa formação é construída, atualizada e aplicada.

A tecnologia pode ampliar nossas possibilidades, mas não elimina a necessidade de discernimento. Quanto maior a capacidade das ferramentas, mais importante se torna saber o que perguntar, como interpretar e quando decidir.

A pergunta que fica para o futuro do trabalho

Ao longo desta série, falamos sobre aprendizagem, formação profissional e inteligência artificial. São temas diferentes, mas conectados por uma mesma questão: como nos preparamos para continuar relevantes em um mundo que muda?

Na medicina, essa discussão é urgente porque envolve a qualidade do cuidado e a segurança dos pacientes. Nos negócios, envolve a capacidade de inovar, tomar decisões e construir organizações preparadas para novos cenários. Na trajetória individual, envolve a disposição de não transformar o conhecimento acumulado em uma fronteira para o próximo aprendizado.

Não acredito que a resposta esteja em adotar toda novidade nem em resistir a qualquer mudança. Está em desenvolver critérios para distinguir o que realmente agrega valor, compreender os limites das ferramentas e preservar a capacidade de julgamento.

A inteligência artificial muda o ambiente em que trabalhamos. A forma como respondemos a essa mudança dependerá também da qualidade da nossa formação, da abertura para rever práticas e da responsabilidade com que usamos o que aprendemos.

Talvez essa seja a principal ideia desta série: o futuro não exigirá apenas profissionais que saibam mais, mas profissionais capazes de continuar aprendendo, avaliar o que sabem e transformar conhecimento em boas decisões.

O futuro não exigirá apenas profissionais que saibam mais, mas profissionais capazes de continuar aprendendo.

E essa capacidade começa antes da próxima tecnologia. Começa na maneira como escolhemos aprender hoje.

Flávia Del Valle

Perguntas frequentes