An intentional dual track curriculum model proposal to address technical readiness and concerns in healthcare AI education

O futuro da medicina está sendo escrito em código. A inteligência artificial já está ajudando médicos a ler raios-X, prever quais pacientes correm o risco de adoecer e sugerir os melhores tratamentos. À medida que essas ferramentas se tornam comuns nos hospitais, surge uma questão crítica: como ensinamos a próxima geração de médicos a utilizá-las? Por décadas, especialistas confiaram em uma ideia simples para explicar como as pessoas aceitam novas tecnologias: quanto mais você sabe sobre algo, menos medo tem disso. Essa lógica sugere que, se simplesmente mostrarmos aos estudantes como a IA funciona, eles se tornarão confortáveis com ela, suas preocupações desaparecerão e eles a adotarão entusiasticamente em sua prática. É um caminho direto da ignorância para a aceitação.

No entanto, a realidade do treinamento de médicos pode ser muito mais complexa. As faculdades de medicina estão agora se apressando para adicionar a inteligência artificial aos seus currículos, mas o fazem baseadas na suposição de que a familiaridade resolve tudo. Se um estudante aprender o básico de como um algoritmo toma uma decisão, a teoria diz, ele confiará na máquina e deixará de se preocupar com os riscos. Essa crença impulsiona o design de muitos novos cursos, que focam intensamente na literacia técnica. Mas e se essa suposição estiver errada? E se aprender sobre IA não fizer com que as profundas preocupações profissionais sobre a segurança do paciente e a justiça desapareçam? Compreender essa distinção é vital porque, se ensinarmos aos médicos apenas como usar as ferramentas sem abordar seus medos legítimos, corremos o risco de criar uma geração de clínicos que são tecnicamente habilidosos, mas eticamente despreparados.

Pesquisadores da Universidade de Miami decidiram testar essa suposição diretamente. Eles reuniram um grupo de 389 estudantes do primeiro ano de medicina, exatamente quando estavam prestes a participar de um workshop sobre inteligência artificial na saúde. Antes que os estudantes aprendessem qualquer coisa nova na sessão, os pesquisadores lhes fizeram uma série de perguntas. Eles queriam saber se esses estudantes já haviam feito alguma aula ou participado de algum seminário sobre IA anteriormente. Perguntaram o quão familiar os estudantes se sentiam com a tecnologia. Também perguntaram sobre as atitudes dos estudantes em relação ao futuro da IA, o quão preparados se sentiam para usá-la e, crucialmente, quais preocupações específicas eles nutriam. Os pesquisadores buscaram seis grandes preocupações: o medo de que a IA tornasse o cuidado ao paciente frio e impessoal, o risco de viés injusto nos algoritmos, a segurança dos dados privados dos pacientes, o perigo de os médicos se tornarem excessivamente dependentes das máquinas, a proteção da privacidade do paciente e a falta de confiança geral entre pacientes e provedores em relação a essas ferramentas.

Os resultados revelaram uma divisão nas mentes dos estudantes que desafia a forma padrão como pensamos sobre o aprendizado. De um lado, os pesquisadores descobriram que estudantes com exposição prévia à IA, como uma aula ou workshop anterior, de fato relatavam sentir-se mais familiarizados com a tecnologia. Essa familiaridade, por sua vez, estava fortemente ligada a sentimentos positivos. Estudantes que sentiam que entendiam a IA eram mais otimistas sobre o seu futuro, sentiam-se mais preparados para usá-la em suas carreiras e eram mais propensos a dizer que pretendiam utilizá-la. Nesse sentido, a ideia antiga se mantém verdadeira: saber mais sobre a ferramenta torna você mais pronto para usá-la. A profundidade de sua compreensão importava mais do que apenas ter participado de um evento; era o sentimento de estar familiarizado com os conceitos que impulsionava sua confiança.

Mas, do outro lado da equação, uma história diferente surgiu em relação aos seus medos. O estudo descobriu que as preocupações com a IA não eram raras; elas eram quase universais. Entre 53% e 82% dos estudantes expressaram preocupação com questões específicas, sendo o medo de perder o toque humano no cuidado ao paciente o mais comum, citado por 81,5% do grupo. Os pesquisadores esperavam que, à medida que os estudantes se tornassem mais familiarizados com a IA, essas preocupações diminuiriam. Eles esperavam que o conhecimento atuasse como uma cura para a ansiedade. Em vez disso, descobriram que as preocupações não desapareciam. Quer o estudante soubesse muito pouco sobre IA ou se sentisse extremamente familiarizado com ela, seu nível de preocupação permanecia exatamente o mesmo. Um estudante que se sentia muito confiante em seu conhecimento técnico estava tão preocupado com o viés algorítmico e a privacidade dos dados quanto um estudante que sabia muito pouco.

Essa descoberta sugere que o caminho para se tornar um médico que utiliza a IA não é uma estrada única. Os pesquisadores propõem que existem duas trilhas separadas que correm paralelas uma à outra. A primeira trilha trata de construir prontidão. Este é o caminho onde a educação ajuda os estudantes a entender como a tecnologia funciona, como ela se encaixa em um hospital e como usá-la efetivamente. Esta trilha constrói com sucesso a confiança e o desejo de adotar novas ferramentas. A segunda trilha trata de gerenciar preocupações. Esta trilida lida com as questões pesadas e sérias de ética, justiça e o relacionamento humano na medicina. O estudo mostra que a familiaridade técnica não resolve esses problemas. Você não pode simplesmente ensinar a um estudante o suficiente sobre código para fazê-lo parar de se preocupar se um algoritmo está tratando um paciente de forma justa ou se seus dados estão seguros. Estas não são lacunas de conhecimento que a educação possa preencher; são julgamentos profissionais que persistem independentemente de quanto se saiba.

As implicações para a forma como ensinamos medicina são significativas. Se as escolas continuarem a desenhar cursos de IA com a ideia de que ensinar a tecnologia resolverá automaticamente todos os medos, elas podem estar negligenciando metade do trabalho. Os pesquisadores sugerem um currículo de via dupla. Uma parte da educação deve focar na literacia técnica, garantindo que os estudantes saibam operar e compreender as ferramentas. A segunda parte deve ser uma instrução dedicada e estruturada sobre ética, governança e o lado humano do cuidado. Esta segunda trilha precisa tratar as preocupações não como obstáculos a serem superados com mais aprendizado, mas como obrigações profissionais legítimas que devem ser abordadas diretamente. Os estudantes no estudo foram capazes de estar entusiasmados com o futuro da IA e, simultaneamente, manter preocupações profundas e fundamentadas. Eles não precisavam escolher entre estar prontos e estar preocupados; podiam ser ambos.

Este estudo não afirma que a inteligência artificial seja ruim ou que deva ser evitada. Ele simplesmente mostra que a maneira como preparamos os médicos para ela precisa mudar. Não podemos assumir que um estudante que é bom em usar uma máquina também é bom em navegar pelos dilemas éticos que essa máquina cria. A pesquisa sugere que a verdadeira prontidão na era da IA requer dois tipos distintos de aprendizado. Um constrói a habilidade para usar a ferramenta, e o outro constrói a sabedoria para questioná-la. Ao separar esses objetivos, as faculdades de medicina podem garantir que seus graduados não sejam apenas tecnicamente proficientes, mas também eticamente fundamentados, capazes de abraçar o poder da inteligência artificial sem perder de vista os seres humanos que eles estão lá para servir.