Palavras-chave
Educação
Médica
Relações médico-paciente
Tomada de decisões clínicas
Tecnologia biomédica
Como Citar
Copyright © | Todos os direitos reservados.
A revista detém os direitos autorais exclusivos de publicação deste artigo nos termos da lei 9610/98.
Reprodução parcial
É livre o uso de partes do texto, figuras e questionário do artigo, sendo obrigatória a citação dos autores e revista.
Reprodução total
É expressamente proibida, devendo ser autorizada pela revista.
Resumo
Objetivo: Apresentar a Inteligência Artificial (IA) aplicada à saúde, analisando seu potencial para otimizar diagnósticos e tratamentos em um cenário de transformação sem precedentes. O estudo avalia como a supervisão, o julgamento clínico e a empatia do médico permanecerão como pilares fundamentais da prática médica. Revisão bibliográfica: Esta revisão narrativa explora a tese de que, longe de substituir os profissionais humanos, a IA se tornará uma ferramenta sinérgica indispensável. Utilizando a analogia do piloto automático na aviação, o artigo postula que o médico atuará como o "comandante do cuidado", enquanto a IA funcionará como um "copiloto" de alta performance, automatizando tarefas analíticas e processando grandes volumes de dados. Discutem-se as implicações profundas para a formação médica, que exigirá uma reforma curricular para incluir noções de ciência de dados e fortalecer habilidades insubstituíveis como ética, comunicação e empatia, potencializando a relação médico-paciente. Considerações finais: Pode-se considerar que a integração bem-sucedida da IA dependerá da capacidade do sistema de saúde de cultivar um modelo colaborativo. Neste modelo, a tecnologia não suplanta, mas potencializa a capacidade humana, permitindo uma prática médica mais precisa, eficiente e, paradoxalmente, mais humana.
Referências
AHUJA AS. The Impact of Artificial Intelligence in Medicine on the Future Role of the Physician PeerJ, 2019; 7: 7702.
ARDILA D, et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. Nature Medicine, 2019; 25(6): 954-961.
BAINBRIDGE L. Ironies of automation. Automatica, 1983; 19(6): 775-779.
BARTUSIK-AEBISHER D, et al. Artificial intelligence and ECG: a new frontier in cardiac diagnostics and prevention. Biomedicines, 2025; 13: 1685.
BRASIL. Ministério da Saúde. Programa SUS Digital: Estratégia de Saúde Digital para o Brasil 2020-2028. Brasília, DF, 2020.
CHEN RJ, et al. Algorithm fairness in artificial intelligence for medicine and healthcare. Nature Biomedical Engineering, 2023; 7(6): 719-742.
CONNOR CW. Artificial Intelligence and Machine Learning in Anesthesiology. Anesthesiology, 2019; 131(6): 1346-1359.
COOKE M, et al. Educating physicians: a call for reform of medical school and residency. Jossey-Bass, 2010; 296.
DOSHI A, et al. The role of simulation in building empathy in healthcare. The Clinical Teacher, 2019; 16(5): 429-433.
ESTEVA A, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature, 2017; 542(7639): 115-118.
GULSHAN V, et al. Development and validation of a deep learning algorithm for the detection of diabetic retinopathy in retinal fundus photographs. JAMA, 2016; 316(22): 2402-2410.
HASHIMOTO DA, et al. Artificial intelligence in surgery: promises and perils. Annals of Surgery, 2018; 268(1): 70-76.
JOHNSTON SC. Anticipating and training the physician of the future: the importance of caring in an age of artificial intelligence. Academic Medicine, 2018; 93(8): 1105-1110.
KOLACHALAMA VK e GARG PS. Machine learning and medical education. NPJ Digital Medicine, 2018; 1(1): 54.
KUMAR A. AI driven precision oncology: predictive biomarker discovery and personalized treatment optimization using genomic data. International Journal of Advance Research Publication and Reviews, 2024; 1(3): 21-39.
MASTERS K. Artificial intelligence in medical education. Medical Teacher, 2019; 41(9): 976-980.
NEMATI S, et al. An interpretable machine learning model for accurate prediction of sepsis in the ICU. Critical Care Medicine, 2018; 46(4): 547-553.
OBERMEYER Z, et al. Dissecting racial bias in an algorithm used to manage the health of populations. Science, 2019; 366(6464): 447-453.
PIRRERA A, et al. Human-machine collaboration in diagnostics: Exploring the synergy in clinical imaging with artificial intelligence. Diagnostics, 2023; 13(1): 123.
RATTI E, et al. Ethical and social considerations of applying artificial intelligence in healthcare: a two-pronged scoping review. BMC Medical Ethics, 2025; 26: 68.
SINGHAL K, et al. Large language models encode clinical knowledge. Nature, 2023; 620(7972): 172-180.
SULLENBERGER BS. Highest Duty: My Search for What Really Matters. William Morrow, 2009; 352.
TOPOL EJ. High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, 2019; 25(1): 44-56.
VERGHESE A, et al. What this computer needs is a physician: humanism and artificial intelligence. JAMA, 2018; 319(1): 19-20.
VERGHESE A. A doctor's touch. TED Conferences, 2011.
WANG Y, et al. Clinical information extraction applications: a literature review. Journal of Biomedical Informatics, 2018; 77: 34-49.
WHO. Global strategy on digital health 2020-2025. World Health Organization, 2024.
WIENER EL. Human factors of advanced technology ("glass cockpit") transport aircraft. NASA Contractor Report 177528, 1989.