O avanço da inteligência artificial (IA) na medicina tem gerado discussões sobre sua capacidade de apoiar o raciocínio clínico dos profissionais de saúde. Um aspecto crucial a ser considerado é se, quando a IA fornece respostas incorretas, os médicos ainda conseguem reconhecer essas falhas. É essencial que o raciocínio clínico e a IA evoluam em conjunto, para que a tecnologia sirva como um suporte ao aprendizado médico, sem substituir a capacidade crítica dos profissionais.
O impacto da IA no raciocínio clínico
Recentemente, realizei um experimento pessoal ao solicitar a uma inteligência artificial uma análise sobre um caso clínico envolvendo anemia e doença óssea em um paciente em hemodiálise. Como nefrologista, estava ciente das nuances do tema e queria avaliar a eficácia da ferramenta. A resposta da IA foi rápida e bem estruturada, mas apresentou erros evidentes que um médico experiente rapidamente identificaria. Essa experiência deixou claro que meu raciocínio clínico, desenvolvido ao longo de anos, funcionou como um filtro para analisar as informações fornecidas pela IA. Sem esse conhecimento prévio, poderia ter aceitado a resposta como válida.
Desafios no aprendizado médico com o uso da IA
Uma revisão sistemática realizada em 2026 examinou a influência da IA na educação de estudantes de medicina e revelou dois fenômenos alarmantes: o deskilling, que se refere à perda de habilidades em decorrência da automação, e a inibição do upskilling, que ocorre quando a IA substitui o esforço necessário para aprender. Em uma pesquisa, 83% dos estudantes expressaram preocupação com a dependência excessiva da tecnologia, enquanto 77% temiam a perda de habilidades de raciocínio crítico. Um editorial publicado pelo BMJ Evidence-Based Medicine em 2025 destacou que quando os estudantes delegam à IA a responsabilidade de buscar, avaliar e sintetizar informações, eles não apenas economizam tempo, mas também comprometem o desenvolvimento do seu raciocínio clínico. O aprendizado acontece no processo de trabalho, e não apenas no resultado final.
A aceitação passiva de respostas automatizadas
Outro ponto relevante é a tendência de aceitar respostas automatizadas sem questioná-las, mesmo quando essas respostas estão incorretas. Um estudo de 2025 analisou médicos treinados em IA durante diagnósticos e observou que uma parte significativa deles seguiu recomendações erradas sem contestação. Isso ocorreu mesmo entre médicos experientes. Em comparação entre o ChatGPT e diretrizes clínicas, as respostas geradas pela IA foram mais rápidas, mas careceram de precisão e completude. Essa situação não é um argumento contra a IA, mas sim uma indicação de que devemos utilizá-la como uma ferramenta auxiliar, e não como um substituto para o julgamento médico. Um cirurgião, por exemplo, não culpa seu bisturi por um erro; da mesma forma, um médico não deve culpar a IA por uma falha, mas sim ter o conhecimento necessário para avaliá-la criticamente.
Integração da IA na educação médica
Atualmente, a presença da IA na educação médica não é mais uma questão a ser debatida; ela já está integrada, com ou sem permissão institucional, no cotidiano dos estudantes e residentes. Assim, a pergunta central é como integrá-la de maneira que ela complemente, ao invés de substituir, o aprendizado médico. Algumas diretrizes emergem da literatura e são relevantes na prática:
- Raciocinar antes de consultar a IA: Os estudantes devem tentar formular seu raciocínio antes de recorrer à tecnologia. É neste esforço que o aprendizado se solidifica, e confiar na IA como primeira opção pode trazer custos a longo prazo, especialmente em casos complexos.
- Avaliar o processo e não apenas o resultado: Se um estudante apresenta uma análise correta, mas não consegue explicar como chegou a essa conclusão, isso indica um problema. As avaliações devem considerar a formulação de hipóteses, a interpretação dos dados e a justificativa das condutas, e não apenas o resultado final.
- Desenvolver letramento em IA: O letramento em IA vai além do uso da ferramenta; envolve também a habilidade de identificar quando a IA comete erros. É fundamental entender as limitações dos modelos de linguagem, como a dificuldade em lidar com casos raros e os possíveis vieses nos dados de treinamento.
A tecnologia como suporte ao julgamento médico
É inegável que a tecnologia pode trazer benefícios significativos para a medicina, como diagnósticos mais rápidos e precisos, e a prevenção de erros. Contudo, é crucial lembrar que a tecnologia deve ser um meio, e não um fim. O que me permitiu identificar a falha na resposta da IA sobre anemia e doença óssea foi a experiência adquirida ao longo dos anos, através de casos, erros e dúvidas. A IA pode acelerar muitas etapas do processo de aprendizado, mas não pode substituir a experiência e o raciocínio crítico que um médico desenvolve ao longo de sua carreira. Formar profissionais capacitados para reconhecer falhas na IA é um dos principais desafios da educação médica contemporânea.
Referências
- AI Use for Medical Students: Impact on Clinical Skill Acquisition and Retention. Advances in Medical Education and Practice / PMC (2026);
- Overreliance on AI risks eroding critical thinking. BMJ Evidence Based Medicine (2025);
- Automation Bias in Large Language Model Assisted Diagnostic Reasoning. medRxiv (2025);
- Generative Artificial Intelligence in Medical Education: Enhancing Critical Thinking or Undermining Cognitive Autonomy? PMC (2025);
- Theoretical evolution of AI in medical education. Frontiers in Education (2026).
Nota de Responsabilidade:O Saúde com Inteligência é um portal informativo e educacional. As informações apresentadas não substituem avaliação, diagnóstico ou acompanhamento de profissionais de saúde. Em caso de dúvidas ou sintomas, procure orientação médica.
