Readiness of Medical Students to Use Artificial Intelligence in Medical Education: A Cross-sectional Study

Imagine o mundo da medicina como uma enorme nave espacial de alta tecnologia. Durante décadas, a tripulação (os médicos) tem navegado por estrelas e mapas. Mas agora, um novo sistema de piloto automático superinteligente chamado Inteligência Artificial (IA) está sendo instalado. A grande questão não é apenas "O piloto automático é legal?", mas sim "A tripulação está pronta para voar com ele?".

Uma equipe de pesquisadores da Universidade İzmir Kâtip Çelebi, na Turquia, decidiu verificar a prontidão da tripulação. Eles não perguntaram apenas "Você gosta de robôs?". Eles aplicaram a 225 estudantes de medicina um "Teste de Prontidão" especial para ver o quão bem eles entendiam o piloto automático, o quão bons eram em usá-lo, se conseguiam prever onde ele poderia colidir no futuro e se conheciam as regras de trânsito (ética).

Aqui está o que o teste revelou, sem o jargão:

O Panorama Geral: "Estamos no Meio da Curva de Aprendizado"

Os estudantes não falharam, mas também ainda não estão voando sozinhos. A prontidão geral deles foi moderada. Pense nisso como um grupo de adolescentes que assistiu a mil vídeos sobre como dirigir um carro de corrida e consegue falar sobre as especificações do motor, mas ainda não colocou o carro na pista para uma volta completa.

Os pesquisadores mediram quatro "habilidades" específicas usando uma escala onde números mais altos significam melhor prontidão:

• Conhecer o Vocabulário (Cognitivo): A pontuação média foi de 25,23 (de um possível 40). Os alunos sabiam o que os termos significavam, mas não eram especialistas.
• Usar as Ferramentas (Habilidade): A pontuação média foi de 28,65 (de 40). Eles se sentiam razoáveis em escolher a ferramenta certa para um trabalho, mas não eram mestres nos controles.
• Prever o Futuro (Previsão): A pontuação média foi de 10,17 (de 15). Eles conseguiam adivinhar para onde a tecnologia poderia ir, mas não eram videntes com total confiança.
• Seguir as Regras (Ética): A pontuação média foi de 10,31 (de 15). Eles sabiam que precisavam ser cuidadosos com os dados e a privacidade dos pacientes, embora ainda houvesse espaço para crescer.

As Surpresas: Quem Sabe o Quê?

Os pesquisadores buscaram diferenças entre os estudantes, como verificar se os estudantes mais velhos e experientes eram melhores pilotos do que os novos recrutas.

A Diferença de Gênero:
Esta foi a única diferença real que encontraram. Os estudantes do sexo masculino pontuaram significativamente mais alto na parte de "Conhecer o Vocabulário" do teste (26,30 para homens vs. 24,30 para mulheres). O artigo sugere que isso pode ser porque os meninos costumam ter mais exposição precoce a computadores e programação antes mesmo de iniciarem a faculdade de medicina. No entanto, quando se tratava de realmente usar as ferramentas, prever o futuro ou seguir as regras, rapazes e moças estavam exatamente na mesma página.

O Mito da "Experiência":
Você pode pensar que um estudante no 6º ano da faculdade de medicina (quase um médico) saberia muito mais sobre IA do que um estudante do 1º ano. O artigo descarta isso. As pontuações foram quase idênticas em todos os anos de estudo. Quer o estudante fosse um calouro ou um veterano, os níveis de prontidão eram os mesmos.

Por quê? Os autores sugerem que a IA é algo tão novo que todos estão começando do zero; até os veteranos iniciaram sua educação antes de a IA se tornar uma parte importante do cotidáب cotidiano, portanto, não tiveram muito mais treinamento formal do que os calouros. A "experiência" de estar no hospital não se traduziu em "experiência" com IA porque o currículo escolar ainda não acompanhou o ritmo.

O Que os Estudantes Realmente Disseram

Quando os pesquisadores analisaram as respostas de perguntas específicas, um padrão surgiu:

• O sentimento de "Eu consigo fazer": A maioria dos estudantes estava "Indecisa" ou "Concordava" quando perguntada se conseguiria explicar conceitos de IA ou usar as ferramentas. Muito poucos disseram "Discordo Totalmente".
• A zona do "Não tenho certeza": Uma grande parcela de estudantes (cerca de 30% a 40%) situou-se bem no meio, dizendo que não tinham total certeza se conseguiriam analisar dados ou explicar a tecnologia para um paciente.
• A zona do "Concordo Totalmente": Os estudantes foram mais confiantes quanto ao valor da IA para pesquisa e educação, e sobre acessar informações através dela. Eles gostavam da ideia da ferramenta, mesmo que não tivessem 100% de certeza se conseguiriam manejá-la perfeitamente.

O Que o Artigo Diz que NÃO É Verdade

É importante saber o que este estudo não encontrou.

• NÃO encontrou que estudantes mais velhos são naturalmente melhores em IA. O artigo mostra explicitamente que os anos de estudo não fazem diferença nas pontuações de prontidão.
• NÃO encontrou que os estudantes são "especialistas". As pontuações foram moderadas, não altas.
• NÃO provou que um gênero é melhor em usar a IA, apenas que os homens conheciam mais os termos sobre ela.

A Conclusão: A Escola Precisa Atualizar o Currículo

Os pesquisadores concluem que os estudantes são como um grupo de pessoas que leram o manual da nave espacial, mas não receberam o treinamento no simulador de voo ainda. Eles têm uma atitude positiva e uma compreensão básica, mas precisam de mais prática.

O artigo sugere que as faculdades de medicina precisam parar de apenas falar sobre IA e começar a ensinar de fato os alunos a usá-la em situações médicas reais, incluindo as partes éticas complicadas. Até que o currículo mude, os estudantes de medicina de hoje entrarão em um futuro onde se espera que voem com este novo piloto automático, mas podem ainda estar procurando pelo guia de "como fazer".

O quão seguros estamos?
Os autores estão muito seguros sobre as pontuações que mediram (os números são exatos: 25,23, 28,65, etc.). Eles estão confiantes de que as diferenças entre homens e mulheres na categoria de "conhecimento" são reais. No entanto, admitem que não podem dizer com certeza por que as pontuações são iguais para todas as faixas etárias, podendo apenas sugerir razões baseadas no que observam. Eles também observam que, como olharam apenas para uma universidade, esses resultados podem não ser exatamente os mesmos para todos os estudantes do mundo, mas oferecem um retrato muito claro de como as coisas estão agora.