Uma revisão sistemática publicada na JMIR Medical Education mapeia como conteúdos gerados por IA, como os produzidos por grandes modelos de linguagem, podem ao mesmo tempo acelerar o aprendizado e enfraquecer habilidades de pensamento crítico em estudantes de medicina. Ao sintetizar 24 estudos recentes, o trabalho propõe um modelo “de dupla via” e um conjunto de estratégias, como pacientes padronizados virtuais, ferramentas personalizadas e ensino de checagem ativa, para transformar a IA em apoio ao raciocínio clínico, sem estimular dependência ou comprometer a integridade acadêmica.
O QUE HÁ DE NOVO: O estudo revisa de forma estruturada a literatura mais recente (novembro de 2022 a junho de 2025) sobre o impacto de inteligência artificial geradora de conteúdo (AIGC) no pensamento crítico de estudantes de medicina, um tema que ganhou urgência com a adoção acelerada de ferramentas como o ChatGPT nas escolas médicas. Seguindo o protocolo PRISMA e com registro no PROSPERO, os autores buscaram evidências no PubMed e chegaram a 24 estudos incluídos, analisados qualitativamente para extrair temas comuns, com atenção a quatro dimensões em que o pensamento crítico é central na formação médica: raciocínio diagnóstico, prática baseada em evidências, tomada de decisão ética e competências de pesquisa científica.
COMO FUNCIONA: A revisão parte de um recorte temporal que coincide com a popularização dos LLMs em ambientes educacionais e seleciona trabalhos que conectam, de modo explícito, o uso de AIGC ao desenvolvimento (ou erosão) do pensamento crítico. A análise combina diferentes instrumentos de avaliação de qualidade e risco de viés conforme o desenho de cada estudo (como RoB 2.0 para ensaios randomizados, ROBINS-I para intervenções não randomizadas e checklists JBI para estudos observacionais e qualitativos). A partir dos temas recorrentes, os autores organizam um “modelo de ação de dupla via” (benefícios e riscos) e descrevem estratégias educacionais associadas a usos específicos: desde chatbots como pacientes padronizados virtuais até rotinas de estudo que combinam LLMs com buscadores e bases científicas.
INSIGHT CENTRAL: O “pulo do gato” da revisão é tratar a IA generativa como tecnologia que opera em dois regimes educacionais distintos: um de ganho de eficiência (acesso rápido a informações, síntese e apoio a tarefas) e outro de risco cognitivo, quando o estudante passa a terceirizar etapas-chave do raciocínio. A síntese sugere que o problema não é apenas “usar ou não usar” AIGC, mas desenhar a interação para forçar explicitação de premissas, justificativas e verificação externa, deslocando a ferramenta do papel de fornecedora de respostas para o de parceira de questionamento, comparação e checagem.
PRINCIPAIS RESULTADOS: Entre os achados compilados, a revisão destaca evidências e alertas sobre dependência e “inércia mental”: um estudo de métodos mistos citado indica que cerca de 20% dos estudantes exibiram sinais de “inércia cognitiva” ao depender de pistas e atalhos ao usar IA. No campo da integridade acadêmica, um estudo transversal reportado na revisão estimou que 34% de textos reflexivos de estudantes apresentavam probabilidade de terem sido gerados ou modificados por IA, sugerindo risco direto para aprendizagem de escrita, autoria e pensamento crítico. Ao mesmo tempo, pesquisas de percepção mostram ambivalência: uma sondagem aponta 69% dos estudantes reconhecendo potencial da AIGC para apoiar pensamento crítico, enquanto 31% expressam preocupação com inércia; outra pesquisa citada registra 92,6% percebendo benefícios, ainda que convivendo com receios sobre acomodação e queda de profundidade analítica.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula, a revisão sugere que a IA generativa tende a ser forte em tarefas de “nível mais baixo” (recuperação e organização de informação) e menos confiável para sustentar análise, avaliação e criação, justamente onde o pensamento crítico se consolida. Isso pode levar estudantes a aceitarem conteúdo com “tom autoritativo” sem validação, reduzindo o esforço de argumentação e de identificação de vieses, e criando lacunas perigosas quando o objetivo é raciocínio clínico e segurança do paciente. Para o trabalho docente e a gestão curricular, o texto aponta a necessidade de redesenhar avaliações e atividades: se a IA barateia respostas e rascunhos, ganha importância exigir rastreabilidade (como o estudante chegou à conclusão), uso de múltiplas fontes e comparação crítica entre alternativas, além de políticas claras sobre transparência de uso, autoria e limites éticos.
SIM, MAS…: A revisão também chama atenção para limites da evidência disponível: o recorte privilegiou estudos em inglês e, na prática, concentrou grande parte das discussões em torno do ChatGPT, o que pode restringir a compreensão sobre diferenças entre modelos e configurações. Há heterogeneidade significativa entre os estudos incluídos (desenhos, amostras, instrumentos e contextos), o que dificulta generalizações. Além disso, como o campo evolui rapidamente, parte do que se sabe hoje pode ficar datado; e, por se tratar em grande medida de efeitos de curto prazo, permanece aberta a questão de como a exposição prolongada à AIGC altera (para melhor ou pior) trajetórias de pensamento crítico ao longo da graduação e da residência.
O QUE VEM DEPOIS: A agenda proposta aponta para três frentes. A primeira é pesquisa comparativa entre modelos e formatos de uso (por exemplo, ferramentas “customizadas” que orientam por perguntas e rubricas, em vez de entregar respostas), com desenhos mais robustos e acompanhamento longitudinal. A segunda é a consolidação de abordagens híbridas de estudo, em que LLMs ajudam a estruturar hipóteses e mapas de conhecimento, mas a verificação ocorre em bases e diretrizes reconhecidas, fortalecendo letramento informacional. A terceira é institucional: investir em alfabetização em IA e ética (incluindo privacidade e vieses), para que o uso de AIGC seja enquadrado como prática profissional supervisionada, não como atalho, em uma formação que depende, por definição, de julgamento crítico em contextos incertos.
