Artificial Intelligence, Large Language Models, and Machine Learning in African Health Professions Education: A Systematic Review of Adoption, Literacy, Institutional Feasibility, and Ethical Perceptions

Nas salas de aula e nos hospitais de África, uma transformação silenciosa está em curso. Não é impulsionada por novos livros didáticos ou currículos atualizados, mas por uma tecnologia que varreu o globo nos últimos anos: a inteligência artificial. Não se trata do futuro robótico distante da ficção científica, mas de um conjunto de ferramentas já nas mãos de estudantes e professores. Entre estas ferramentas estão os modelos de linguagem de grande escala, que são programas de computador capazes de compreender e gerar linguagem humana, e o aprendizado de máquina, um método onde os computadores aprendem com dados para fazer previsões ou decisões. Para estudantes de medicina, enfermagem e farmácia, estas ferramentas prometem ser tão essenciais quanto estetoscópios ou microscópios nas próximas décadas. Elas podem ajudar a diagnosticar doenças, organizar pesquisas e até redigir notas de pacientes. No entanto, enquanto as nações de alta renda começaram a construir estruturas formais para ensinar como usar estas ferramentas de forma segura e eficaz, a situação em todo o continente africano permanece uma mistura complexa de adoção entusiasta e incerteza significativa. A questão que os educadores e formuladores de políticas enfrentam já não é se estes estudantes usarão a inteligência artificial, mas como a estão usando, o que realmente compreendem sobre ela e se as suas instituições estão preparadas para os guiar.

Uma nova revisão sistemática, um tipo de pesquisa que reúne e analisa muitos estudos diferentes para encontrar o panorama geral, propôs-se a responder a estas questões especificamente para África. Os investigadores, uma equipa de académicos de universidades da Nigéria, do Reino Unido e dos Estados Unidos, analisaram dezenove estudos distintos envolvendo milhares de estudantes e educadores das profissões de saúde em todo o continente. Procuraram evidências sobre o quão familiarizados estavam estes estudantes com a inteligência artificial, se tinham recebido algum treinamento formal, quais ferramentas preferiam e que preocupações éticas os mantinham acordados à noite. O objetivo era ir além de relatórios dispersos e construir uma compreensão clara da realidade no terreno, desde as movimentadas escolas médicas da Nigéria e do Egito até às universidades de Gana e do Sudão.

O que os investigadores descobriram foi uma contradição impressionante, um fosso entre o que os estudantes pensam que sabem e o que realmente sabem. Através dos estudos, a consciência da inteligência artificial era elevada. Em alguns grupos, quase todos os estudantes sabiam o que eram estas ferramentas e já tinham ouvido falar delas. No entanto, esta familiaridade não se traduziu em competência. Quando os estudantes foram questionados sobre as suas próprias habilidades, muitos sentiram-se confiantes, mas quando testados com questões objetivas, o seu conhecimento era frequentemente muito baixo. É como se um estudante pudesse reconhecer o nome de um instrumento famoso, mas não conseguisse tocar uma única nota. Este "paradoxo da percepção do conhecimento" sugere que os estudantes estão a aprender sobre estas ferramentas por conta própria, através da curiosidade e da conversa entre pares, em vez de através de lições estruturadas. Num grande inquérito a estudantes de medicina de quarenta e oito países, menos de um por cento relatou ter recebido educação formal substancial sobre inteligência artificial, embora a maioria afirmasse ter pelo menos uma compreensão moderada do assunto.

A ferramenta que impulsiona esta revolução informal é, esmagadoramente, o ChatGPT. Quando os investigadores observaram quais programas específicos os estudantes estavam a utilizar, esta aplicação única dominou o cenário, superando largamente outros concorrentes. Os estudantes recorriam a ele por razões práticas: era fácil de usar, poupava tempo e os seus amigos recomendavam-no. Eles utilizavam-no para escrever ensaios, preparar exames, pesquisar literatura médica e até para redigir artigos de investigação. Esta adoção aconteceu, em grande parte, fora das paredes da sala de aula. Havia pouca evidência de universidades a integrar estas ferramentas nos seus currículos oficiais ou a fornecer orientação sobre como as usar de forma responsável. Em vez disso, os estudantes estavam a navegar neste novo terreno digital sozinhos, movidos pela iniciativa individual em vez da direção institucional.

Esta falta de orientação é agravada por uma realidade dura de infraestrutura. A revisão destacou que, para muitos estudantes, as condições básicas necessárias para usar estas ferramentas não são garantidas. Eletricidade pouco fiável, planos de dados caros e conexões de internet instáveis foram frequentemente citados como grandes barreiras. Em alguns lugares, a falta de um fornecimento de energia estável ou o alto custo do acesso à internet significava que, mesmo quando os estudantes queriam usar estas ferramentas avançadas, simplesmente não podiam fazê-lo de forma consistente. No entanto, a história não é inteiramente de limitação. Em alguns casos, os investigadores descobriram que a inteligência artificial estava a ser usada para resolver estes próprios problemas de infraestrutura. Por exemplo, um estudo mostrou como a IA poderia gerar fundos para vídeos educativos, eliminando a necessidade de estúdios físicos caros e telas verdes. Desta forma, a tecnologia por vezes atuou como um contorno para as próprias restrições de recursos que habitualmente dificultam o seu uso.

Talvez a descoberta mais consistente, contudo, tenha sido a profunda preocupação que os estudantes sentiam em relação às implicações éticas destas ferramentas. Apesar da sua disposição para usar a inteligência artificial, os estudantes estavam agudamente conscientes dos riscos. Eles preocupavam-se com a desonestidade académica, a possibilidade de depender excessivamente do computador e perder as suas próprias capacidades de pensamento crítico, e o perigo de as ferramentas fornecerem informações médicas incorretas ou inventadas. Estes medos não eram apenas abstratos; os estudantes admitiram usar a IA para concluir exames e para verificar as suas respostas antes de as submeterem. Eles também expressaram ansiedade sobre o futuro das suas profissões, questionando se estas ferramentas acabariam por substituir os médicos humanos ou desumanizar o cuidado ao paciente. Curiosamente, quanto mais os estudantes sabiam sobre inteligência artificial, mais preocupados ficavam frequentemente com estes riscos, sugerindo que a familiaridade traz uma consciência mais aguda dos perigos potenciais.

A revisão conclui que, embora os estudantes de profissões de saúde africanos estejam a abraçar rapidamente a inteligência artificial, estão a fazê-lo num vácuo de apoio formal. A tecnologia está a ser adotada informalmente, impulsionada pela curiosidade dos estudantes e pela pura acessibilidade de ferramentas como o ChatGPT, mas está a mover-se mais rápido do que as instituições conseguem adaptar-se. Existe uma necessidade clara de educação estruturada que vá além de apenas ensinar os estudantes a clicar num botão. Os investigadores argumentam que as universidades devem intervir para fornecer treinamento formal que cubra não apenas as competências técnicas, mas também as dimensões éticas do uso destas ferramentas. Isto inclui ensinar os estudantes a identificar erros, como manter a integridade académica e como usar a inteligência artificial como uma parceira na aprendizagem, em vez de um substituto para o seu próprio julgamento. Sem esta orientação, o fosso entre a crescente dependência tecnológica dos estudantes e a capacidade das suas instituições de os preparar apenas aumentará, deixando uma geração de futuros profissionais de saúde a navegar num complexo cenário digital sem um mapa.