A inteligência artificial diminui a expertise médica?

A crescente integração da inteligência artificial (IA) na prática clínica tem ampliado suas aplicações em diversas especialidades, com potencial para melhorar a acurácia diagnóstica e a eficiência do cuidado. Contudo, crescem as preocupações sobre seus efeitos na expertise médica, especialmente o risco de deskilling, caracterizado pela redução de habilidades decorrente da menor prática independente, da transferência cognitiva para sistemas automatizados e da mudança do médico para um papel predominantemente supervisório.

Estudos recentes também descreveram um skill shift, no qual novas competências relacionadas ao uso da IA são adquiridas, enquanto habilidades clínicas fundamentais podem ser progressivamente menos exercitadas.

Nesse contexto, Heudel e colaboradores (2026) realizaram uma revisão de escopo, seguindo as diretrizes PRISMA-ScR, com o objetivo de mapear a literatura publicada entre 2015 e 2025 sobre o risco de deskilling e perda de expertise entre médicos na era da IA. A busca foi realizada em bases como PubMed/Medline, Embase, Web of Science, Scopus e fontes de literatura cinzenta, contemplando diferentes desenhos de estudo.

Evidências empíricas foram identificadas em múltiplas especialidades. Na gastroenterologia, um estudo multicêntrico em colonoscopia demonstrou que, após exposição rotineira à IA, a taxa de detecção de adenomas (ADR) dos endoscopistas caiu de 28,4% para 22,4% quando os exames eram realizados sem suporte da tecnologia, sugerindo uma redução do desempenho independente e potencial risco de deskilling.

Na radiologia, especialmente em imagens mamárias, observou-se um aumento significativo das taxas de erro, entre 12% e 15%, quando radiologistas seguiram recomendações incorretas da IA, demonstrando viés de automação mesmo entre profissionais experientes. Em residentes, embora o treinamento assistido por IA em radiografias de tórax tenha resultado em melhora de curto prazo na sensibilidade diagnóstica e redução do tempo de leitura, os autores destacaram preocupação quanto ao impacto do uso prolongado sobre o raciocínio diagnóstico independente.

Estudos experimentais em patologia computacional demonstraram abandono de julgamentos corretos diante de sugestões incorretas da IA, especialmente sob pressão de tempo, resultando em aumento da gravidade dos erros diagnósticos. Além disso, mudanças estruturais na medicina laboratorial, como a adoção do rastreamento primário por papilomavírus humano (HPV) no Reino Unido, levaram a uma redução expressiva da carga de trabalho em citologia, gerando preocupações quanto à erosão da expertise morfológica e à redução das oportunidades de treinamento para patologistas em formação.

Evidências semelhantes foram descritas em sistemas de suporte à decisão clínica e na cirurgia robótica, onde a automação crescente amplia a necessidade de estratégias de treinamento que preservem habilidades manuais e cognitivas essenciais.

De forma transversal, os estudos indicaram que o deskilling é favorecido por viés de automação, exposição repetida à IA, enfraquecimento de ciclos de feedback, mudanças na ecologia do treinamento e fatores organizacionais, como integração inadequada aos fluxos de trabalho. Em resumo, embora a IA represente um avanço significativo para a medicina, a preservação da expertise clínica exigirá escolhas deliberadas, incluindo formação em alfabetização em IA, modelos híbridos de treinamento, salvaguardas regulatórias e uma colaboração humano‑IA que fortaleça, e não substitua, o julgamento clínico.

Fonte: Artificial intelligence in medicine: a scoping review of the risk of deskilling and loss of expertise among physicians - ScienceDirect