Uma revisão de escopo sobre IA na educação médica indica que o campo avançou rapidamente, mas ainda está mais concentrado em revisões e comentários do que em evidências empíricas de longo prazo. Ao mapear 82 artigos publicados entre 2018 e outubro de 2023, o estudo mostra que escolas médicas e programas de formação em saúde discutem cada vez mais como usar IA em ensino, simulações e avaliação sem ignorar riscos como viés, privacidade, opacidade algorítmica e desigualdade de acesso.
O QUE HÁ DE NOVO: O levantamento analisou publicações revisadas por pares sobre considerações éticas no ensino com IA em contextos de educação médica, incluindo graduação, pós-graduação e desenvolvimento profissional continuado de clínicos. A busca foi feita em PubMed, Embase e Web of Science e resultou em 82 artigos em inglês, publicados de 2018 a outubro de 2023, com forte aceleração recente: cerca de 87% dos textos apareceram entre 2021 e 2023, e a produção praticamente dobrou de 2022 para 2023.
COMO FUNCIONA: A revisão seguiu as diretrizes PRISMA-ScR para revisões de escopo. A equipe partiu de 193 registros, removeu 76 duplicatas, avaliou títulos e resumos, excluiu estudos fora dos critérios e chegou ao conjunto final de 82 artigos. A análise combinou estatística descritiva e codificação qualitativa de objetivos, resultados, conclusões e preocupações éticas, organizando os achados em temas como incorporação de IA ao currículo, princípios éticos, uso de ChatGPT na formação em saúde, prontidão para IA e desafios de implementação.
PRINCIPAIS RESULTADOS: Os artigos estavam distribuídos por 50 periódicos, sinal de um debate interdisciplinar entre educação médica, saúde digital, ética e ciência de dados. Revisões foram o tipo mais comum de publicação, com 37% do corpus, seguidas por estudos empíricos, com 29%, editoriais, com 28%, e textos teóricos, com 6%. Entre os focos temáticos, 37% tratavam da incorporação de IA na educação médica, 26% de princípios éticos, 12% de ChatGPT na educação em saúde, 9% de prontidão para IA e 7% de desafios e oportunidades.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Na sala de aula, a IA pode ampliar experiências de aprendizagem por meio de pacientes virtuais, simulações clínicas, geração de casos, tutoria interativa, apoio a estudos e visualizações médicas, inclusive em áreas como radiologia, anatomia e cardiologia. Para professores e instituições, essas ferramentas podem ajudar no planejamento, na criação de materiais, em avaliações formativas e no feedback personalizado, mas exigem novas competências docentes para interpretar respostas automatizadas, checar precisão e orientar estudantes sobre limites, autoria e uso responsável.
CONTEXTO MAIOR: O crescimento do debate acompanha a popularização da IA generativa e a pressão para que cursos de saúde atualizem currículos diante de tecnologias que já entram na prática clínica. O estudo mostra que a discussão não se limita ao uso de ferramentas específicas: ela envolve a formação de médicos capazes de colaborar com sistemas de IA, compreender modelos de decisão, reconhecer falhas em bases de dados e preservar valores centrais do cuidado, como autonomia do paciente, beneficência, não maleficência, justiça e transparência.
LIMITES E CUIDADOS: As preocupações éticas mais frequentes foram viés, mencionado em 74% dos artigos, privacidade, em 65%, transparência, em 44%, responsabilidade, em 40%, e consentimento informado, em 37%. Também apareceram temas como acesso, accountability, justiça, discriminação, vigilância e risco de dano. Em educação médica, esses problemas ganham peso adicional porque dados de pacientes, simulações diagnósticas e ferramentas de avaliação podem influenciar tanto a aprendizagem dos estudantes quanto a forma como futuros profissionais entendem decisões clínicas mediadas por algoritmos.
NA PRÁTICA: A revisão aponta estratégias concretas para reduzir riscos: governança de dados, anonimização, protocolos claros de consentimento, conformidade com regras de proteção de informações sensíveis, auditorias de viés, uso de bases representativas e ferramentas com explicabilidade. No currículo, os caminhos sugeridos incluem módulos de ética em IA, estudos de caso sobre discriminação algorítmica, oficinas para leitura crítica de resultados automatizados, discussões em pequenos grupos e formação docente para que professores saibam quando usar IA como apoio pedagógico e quando exigir julgamento humano.
O QUE AINDA FALTA SABER: A própria revisão reconhece limites: foram incluídos apenas artigos em inglês e indexados em três bases, o que pode deixar de fora perspectivas regionais e culturais importantes. O campo também ainda carece de estudos longitudinais que avaliem efeitos reais da formação ética em IA sobre aprendizagem, tomada de decisão, confiança em sistemas automatizados e desempenho de estudantes em diferentes contextos. O próximo passo, segundo os achados, é transformar princípios gerais em competências padronizadas, currículos baseados em evidências e métricas capazes de orientar uma adoção mais segura, equitativa e educacionalmente útil da IA na formação médica.
