Inteligência artificial na formação médica: como preparar os futuros médicos

A inteligência artificial faz parte da prática médica, e esse é um caminho sem volta. Ela aparece no prontuário feito por voz que sugere hipóteses diagnósticas, nos modelos de linguagem que dão suporte à decisão clínica para médicos, no monitoramento de dados em tempo real em dispositivos vestíveis ou na identificação de padrões de risco e prevenção de doenças com algoritmos.

O que precisamos começar a nos questionar é se a nossa formação médica está acompanhando esse movimento e, principalmente, como preparar os futuros profissionais para trabalhar com essas ferramentas de forma crítica.

Foi a partir dessa inquietação que Succi, Chang e Rao (2025) publicaram, no JAMA, o ponto de vista Building the AI-Enabled Medical School of the Future, discutindo como grandes modelos de linguagem (LLMs) podem transformar o ensino médico.

Leia também: Generalista e especialista vs. IA: implicações para a formação e a prática médica

O que muda com a inteligência artificial na formação médica

Os autores levantam um alerta sobre o quanto os modelos de linguagem exercem raciocínio clínico ou apenas reconhecem padrões presentes em seus dados de treinamento.

A formação médica não pode se resumir a apenas fatos memorizados, mas deve incluir a capacidade de construir hipóteses clínicas, revisá-las diante de novos achados e lidar com incertezas. Na prática clínica, um sintoma inesperado ou um resultado laboratorial pode mudar completamente a condução do caso.

O risco de enfraquecer habilidades clínicas básicas

Se passarmos a formar médicos dependentes de ferramentas que oferecem respostas prováveis com base em dados estruturados, corremos o risco de enfraquecer as habilidades clínicas básicas.

Para o estudante que faz internato em uma UPA na periferia de São Paulo ou em um hospital do interior da região Norte do país, por exemplo, esse tipo de conhecimento é relevante porque o paciente do dia a dia não chega para atendimento como um caso típico. Ele chega com queixa vaga, histórico fragmentado, exames incompletos e vulnerabilidades sociais. Neste momento, confiar cegamente em sugestões do algoritmo pode reduzir a capacidade do estudante de conduzir as incertezas que o atendimento real apresenta.

Democratizar o acesso sem substitui a prática real  

Ao mesmo tempo Succi, Chang e Rao (2025) apontam que os modelos de inteligência artificial  poderiam ampliar o acesso a experiências clínicas variadas, expor estudantes a casos raros, perfis epidemiológicos diversos e contextos culturais que nem todas as faculdades conseguem oferecem.

Considerando o nosso cenário, com escolas médicas distribuídas de maneira heterogênea em todas as regiões, que variam muito em infraestrutura e volume de casos, simulações e pacientes virtuais poderiam complementar a formação e reduzir as desigualdades de experiência.

Tecnologia pode ampliar repertório, mas depende de acesso

Mas também vale lembrar aqui que essa democratização tecnológica só acontece se vier acompanhada de políticas públicas, modelos de financiamento e governança que considerem as desigualdades regionais de acesso as ferramentas disponíveis.

Ainda há um cuidado pedagógico de não substituir a prática do dia a dia. Treinar comunicação de más notícias, repetir uma anamnese difícil ou conduzir casos raros em ambiente simulado tem valor importante para o estudante de medicina, permitindo o treino em larga escala. Mas nenhum ambiente virtual reproduz a pressão de uma emergência superlotada, a negociação com o paciente que não poderá comprar a medicação prescrita ou os dilemas éticos vividos no SUS, por exemplo. Essas experiências reais constroem a maturidade clínica.

Alfabetização em dados na formação médica

Outro ponto que o artigo apresenta é a defesa de que o médico do futuro precisará dominar também a alfabetização em dados. Muitos recém-formados chegam ao fim do curso sem entender como os algoritmos são treinados, o que é viés de base de dados, como funciona a validação ou quais são os limites de generalização de um modelo.

Isso importa porque grande parte das ferramentas disponíveis foi desenvolvida e treinada em bases de populações estrangeiras. Usá-las sem senso crítico pode gerar distorções, subdiagnósticos e agravar as desigualdades.

Considerando as falhas de sistema, indisponibilidade de prontuários eletrônicos e limitações estruturais que são parte da realidade dos nossos atendimentos, o estudante também precisa saber utilizar ferramentas ao mesmo tempo que sustenta um diagnóstico diferencial apenas com história clínica e exame físico. Ele precisa ser capaz de usar e supervisionar a tecnologia.

O que precisamos discutir nas escolas médicas?

Já sabemos bem que essa conversa não é sobre a substituição do médico pelas novas ferramentas, mas sobre a possibilidade de a inteligência artificial assumir parte da documentação e sugerir hipóteses enquanto o médico aprofunda o pensamento crítico, melhora a comunicação, tem mais tempo para o cuidado.

Essa transformação curricular precisa considerar eixos que envolvem a complexidade do cuidado de saúde e a diversidade populacional. Por isso, talvez as perguntas mais importantes sobre o futuro da educação médica não sejam apenas técnicas, mas também curriculares. Como:

• Estamos ensinando nossos futuros médicos a questionar algoritmos?
• Estamos integrando discussões de ética digital nas disciplinas clínicas?
• Preparamos os professores para utilizar inteligência artificial como ferramenta pedagógica, e não como ameaça?
• Avaliamos raciocínio clínico ou apenas memorização de conteúdo?

A resposta a essas perguntas nos darão uma perspectiva sobre como as ferramentas de inteligência artificial serão integradas na formação médica brasileira.

Afya Summit

Se tem interesse em conhecer mais sobre temas de inovação, saúde e tecnologia, não perca a chance de participar do evento dedicado ao mundo médico! Inscreva-se no Afya Summit.

O evento ocorrerá em SP, dia 29/8/2026. Marque na agenda e garanta seu ingresso!