O que 271 milhões de consultas clínicas revelam: O retrato real da adoção da IA na medicina

O interesse no uso da inteligência artificial (IA) na prática médica clínica está crescendo rapidamente, porém ainda há poucas evidências sobre quem utiliza essas ferramentas, com que frequência e para quais finalidades clínicas. Em uma pesquisa realizada nos Estados Unidos, 39% dos médicos relataram usar IA para resumir pesquisas médicas e diretrizes de cuidado, sendo essa a aplicação mais frequentemente citada. Estudos baseados em dados de tráfego na internet também demonstraram aumento no acesso a plataformas de suporte à decisão clínica habilitadas por IA e uma redução correspondente no uso de plataformas tradicionais nos últimos anos.

No entanto, essas estimativas dependem de autorrelato ou de medidas indiretas, não conseguindo diferenciar o uso experimental do rotineiro e tampouco caracterizando o propósito das interações entre clínicos e IA. Para preencher essas lacunas, Patel et al., (2026) analisaram aproximadamente 271 milhões de consultas realizadas por profissionais de saúde na plataforma de informação clínica com IA mais utilizada nos Estados Unidos, a OpenEvidence, com o objetivo de caracterizar o volume e os padrões de uso, as características dos usuários em comparação com a força de trabalho médica nacional e as finalidades clínicas das perguntas enviadas à plataforma.

O estudo delineou-se como uma investigação observacional transversal. A OpenEvidence emprega modelos de linguagem grande (Large Language Models — LLMs) para sintetizar respostas a perguntas clínicas livres, integrando citações textuais diretas de diretrizes médicas e periódicos revisados por pares.

A coorte do estudo incluiu todos os profissionais de saúde com contas ativas e NPI validado, excluindo-se aqueles cujo identificador não constava no registro federal National Plan and Provider Enumeration System (NPPES) ou que não submeteram buscas no período de dois anos e meio. Os profissionais foram estratificados em médicos, enfermeiros, assistentes médicos, farmacêuticos e outros clínicos licenciados. Por meio do cruzamento com a base de dados do NPPES, os autores obtiveram variáveis demográficas e profissionais como sexo, tempo de prática clínica a partir da emissão do NPI, região geográfica de atuação e, especificamente para médicos, o estágio na carreira entre médicos assistentes e residentes. Para estabelecer comparações populacionais, a força de trabalho médica ativa foi contrastada com a base da American Medical Association de abril de 2026, enquanto as outras categorias foram referenciadas pelos registros ativos no NPPES.

Para categorizar o conteúdo das consultas sem comprometer a confidencialidade, os pesquisadores extraíram uma amostra aleatória estratificada de 14,4% de todas as perguntas, somando 38,8 milhões de consultas distribuídas por mês, categoria profissional e especialidade declarada. Cada pergunta foi classificada de forma independente em duas dimensões principais por meio do modelo GPT, da OpenAI, calibrado com definições padronizadas, regras de decisão e exemplos ilustrativos. A taxonomia contemplou dezessete subcategorias de propósito aninhadas em cinco grandes domínios funcionais: tomada de decisão clínica, conhecimento clínico, busca por evidências, tarefas administrativas e educação médica. As consultas não clínicas ou de intenção indeterminada, que somaram apenas 0,5%, foram excluídas da análise de conteúdo.

A precisão da IA foi auditada por uma validação clínica na qual seis médicos especialistas, mascarados para os resultados do modelo, analisaram independentemente 200 consultas desprovidas de dados identificáveis, incluindo 100 perguntas submetidas a dupla avaliação para aferir o nível de concordância entre os próprios avaliadores humanos. No plano analítico, definiu-se como usuário ativo aquele que enviou ao menos uma dúvida no mês e como intensidade de uso o volume médio mensal de consultas por usuário ativo. Criou-se também a métrica de razão de uso (use ratio), obtida pela divisão da proporção de consultas de um subgrupo pela sua participação na força de trabalho nacional, associada a intervalos de confiança de 95% calculados por bootstrapping não paramétrico com reposição. Por fim, as distribuições de temas e propósitos foram ajustadas por modelos de regressão logística com padronização marginal considerando sexo, especialidade e anos de prática clínica, sendo todo o processamento conduzido em ambiente Python.

Durante o intervalo de dois anos e meio analisado, um total de 952.008 profissionais de saúde (sendo 58,5% mulheres) gerou um volume expressivo de 271 milhões de consultas clínicas na plataforma. A adesão experimentou uma trajetória de expansão acentuada, com os usuários ativos mensais saltando de 355 no início de 2024 para 703.265 em junho de 2026, acompanhados por um crescimento do volume mensal de cerca de 6.000 para 27,8 milhões de perguntas. Paralelamente à ampliação da base, observou-se uma consolidação do hábito clínico: a média mensal de interações por profissional praticamente dobrou, evoluindo de 18,0 para 39,5 consultas por usuário ativo. O padrão de engajamento também se mostrou altamente sustentado, com a taxa de retenção mês a mês atingindo 90% em 2026, culminando em uma proporção de 92,5% de usuários recorrentes e apenas 9,6% de evasão após um único dia de experimentação.

A intensidade e a representatividade de uso revelaram contrastes marcantes entre categorias profissionais, especialidades e momentos da trajetória médica. Os enfermeiros e os assistentes médicos demonstraram a maior taxa de utilização mensal, com média de 44,5 consultas por profissional ativo, superando os médicos, que registraram média de 37,1. No corpo médico, a assimetria mais evidente concentrou-se no estágio da carreira: profissionais com menos de dez anos de graduação, embora representassem 24,3% da força de trabalho médica americana, originaram 61,8% do volume de perguntas enquanto residentes e aqueles que estão se especializando exibiram uma razão de 1,84. Em contrapartida, médicos com vinte ou mais anos de prática, que compõem 53,0% da força de trabalho, responderam por apenas 16,5% das consultas. No tocante às áreas de atuação, a demanda excedeu amplamente a proporção demográfica em especialidades clínicas como oncologia e hematologia, medicina interna e medicina de família, contrastando com a baixa procura relativa em especialidades procedimentais e diagnósticas, a exemplo de oftalmologia, radiologia, ortopedia e anestesiologia.

A caracterização funcional das interações revelou um desalinhamento relevante com a literatura tradicional de validação da IA, que historicamente prioriza desafios diagnósticos e testes de raciocínio hipotético. Na prática assistencial cotidiana, a tomada de decisão clínica foi a motivação hegemônica, correspondendo a 51,9% das dúvidas médicas, seguida por busca de conhecimento clínico (37,2%), levantamento de evidências científicas (7,0%), atividades administrativas (3,0%) e educação médica continuada formal (0,9%). Especificamente, as questões voltadas à escolha, dosagem e manejo terapêutico representaram 33,1% de todas as consultas, e as dúvidas sobre propriedades e segurança de medicamentos totalizaram 14,1%, ao passo que as hipóteses e investigações de diagnóstico diferencial responderam por somente 13,9% das solicitações. As prioridades de consulta refletiram também o perfil prático de cada campo: a psiquiatria liderou em dúvidas farmacológicas específicas (29,1% contra 14,1% na média geral), a oncologia destacou-se na busca por ensaios clínicos e estudos de fase (3,5% contra 0,7%), e a cardiologia e gastroenterologia lideraram na consulta a diretrizes de sociedades médicas (3,6% e 4,2%, respectivamente). Além disso, notou-se uma transição temporal no perfil das perguntas, na qual profissionais em início de carreira buscaram mais suporte para condutas imediatas de manejo, enquanto clínicos seniores consultaram proporcionalmente mais revisões de literatura científica e índices de estratificação prognóstica.

Por fim, o mapeamento temático evidenciou que os tópicos mais demandados pelos médicos foram cardiologia (8,6%), infectologia (7,5%) e oncologia (7,4%), acompanhados por um expressivo comportamento de consulta transdisciplinar, no qual clínicos buscaram sistematicamente apoio cognitivo fora de sua especialidade de origem. Essa busca por orientação externa à própria área abrangeu 70% das indagações feitas por cirurgiões, 73% das formuladas por anestesiologistas e 88% daquelas registradas por médicos emergencistas. Mesmo na oncologia e hematologia, especialidade com a maior retenção temática interna, 35% das perguntas versaram sobre outras disciplinas médicas. O propósito dessas consultas fora da especialidade concentrou-se de maneira marcante na assimilação de conhecimento clínico fundamental (36,8% contra 28,0% nas consultas internas), especialmente fisiopatologia de doenças e farmacologia, ao passo que as consultas realizadas dentro da própria área de atuação voltaram-se com maior frequência à busca minuciosa por evidências científicas e diretrizes formais.

Em conclusão, Patel et al., (2026) demonstraram que a IA têm sido amplamente utilizadas por médicos nos Estados Unidos, especialmente entre residentes e médicos em início de carreira, bem como por especialistas não intervencionistas, uma distribuição que pode refletir uma mudança geracional na forma como os profissionais buscam e acessam conhecimento clínico. Os achados destacaram o papel crescente das plataformas de informação clínica com IA na prática médica e sugeriram que os esforços para avaliar, ensinar e integrar a tecnologia na medicina devem ser orientados por estudos empíricos que reflitam seu uso no mundo real.