# Como a inteligência artificial pode ser incorporada ao ensino e ao treinamento em radiologia, e quais são os desafios dessa implementação?

> Uma revisão de escopo com 29 estudos originais mostrou que intervenções baseadas em IA melhoraram confiança, alfabetização em IA, raciocínio diagnóstico e prontidão para a prática clínica, com resultados educacionais positivos ou aprimorados na maioria dos estudos. Barreiras incluem expertise docente limitada, treinamento formal insuficiente, currículo sobrecarregado, infraestrutura inadequada e desafios de governança.

Estudo citado: Morales-Cevallos MB, Ma Lam CB, López Pino MJ, Monge Moreno AM, Vique López DF. Use of artificial intelligence in education and training of radiology. Frontiers in radiology. 2026. DOI: https://doi.org/10.3389/fradi.2026.1899739. PubMed: https://pubmed.ncbi.nlm.nih.gov/42745894/

## Resposta

A incorporação da inteligência artificial (IA) na radiologia exige que os currículos de formação ampliem seu escopo para além da interpretação de imagens. Segundo a revisão, é necessário incluir alfabetização em IA, raciocínio ético, avaliação crítica da literatura e colaboração entre humanos e sistemas de IA. Compreender como a IA já está sendo usada na educação é ponto de partida para construir frameworks de treinamento eficazes.

Metodologicamente, a revisão de escopo seguiu o PRISMA-ScR e o framework População-Conceito-Contexto, com buscas em Scopus, PubMed e IEEE Xplore para estudos publicados entre 2020 e 2025. Foram incluídos 29 estudos originais, e os desfechos educacionais foram classificados em desenvolvimento de habilidades, engajamento e desempenho. O desenvolvimento de habilidades foi o desfecho mais investigado, seguido por desempenho e engajamento.

Os achados indicam que a maioria dos estudos relatou desfechos educacionais positivos ou aprimorados. As intervenções com IA aumentaram a confiança dos aprendizes, a alfabetização em IA, o raciocínio diagnóstico e a prontidão para implementação clínica. Ferramentas de IA generativa mostraram potencial para tutoria, avaliação e aprendizagem autodirigida, mas levantaram preocupações quanto à confiabilidade, alucinações, viés e uso ético.

As barreiras identificadas para a implementação incluem expertise docente limitada, treinamento formal insuficiente, sobrecarga curricular, infraestrutura inadequada e desafios de governança. A conclusão é que a IA tem potencial significativo para fortalecer a educação em radiologia por meio de aprendizagem personalizada, desenvolvimento de competências e treinamento aprimorado por tecnologia, mas a implementação sustentável requer currículos padronizados, desenvolvimento docente, frameworks de competência e supervisão ética robusta.

Pesquisas futuras devem focar em desfechos longitudinais e modelos educacionais baseados em evidências que preparem profissionais de radiologia para sistemas de saúde cada vez mais integrados à IA. O resumo não detalha a distribuição geográfica dos estudos nem o perfil específico dos participantes incluídos.

## O que o estudo mostrou

Trata-se de uma revisão de escopo conduzida conforme o PRISMA-ScR, com buscas em Scopus, PubMed e IEEE Xplore para estudos publicados entre 2020 e 2025. Foram incluídos 29 estudos originais. O desenvolvimento de habilidades foi o desfecho mais investigado (55,2%), seguido por desempenho (27,6%) e engajamento (17,2%). Aproximadamente 86% dos estudos relataram desfechos educacionais positivos ou aprimorados, com ganhos em confiança, alfabetização em IA, raciocínio diagnóstico e prontidão clínica.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, a distribuição geográfica das pesquisas ou o perfil dos participantes. Por ser uma revisão de escopo, os achados são descritivos e não permitem estimar efeito. O resumo também não informa limitações específicas apontadas pelos autores, nem dados sobre desfechos longitudinais, que são indicados como lacuna para pesquisas futuras.

## Aplicação no consultório

Para o médico que atua em radiologia ou coordena equipes, os achados reforçam a necessidade de incluir alfabetização em IA, avaliação crítica e ética nos programas de educação continuada, além de desenvolver a colaboração humano-IA na rotina diagnóstica. Na gestão do consultório ou serviço, vale planejar desenvolvimento docente, infraestrutura e governança antes de adotar ferramentas de IA generativa, considerando riscos de confiabilidade, alucinações e viés. O resumo não informa custos ou modelos específicos de implementação.

## Perguntas para aprofundar

- Quais competências em IA devem ser incluídas na formação do radiologista?
- Como ferramentas de IA generativa podem apoiar a tutoria e a avaliação de residentes em radiologia?
- Quais barreiras institucionais dificultam a incorporação da IA nos programas de ensino em radiologia?

Tema: LLMs e chatbots clínicos. Página: https://alphadoctor.com.br/ciencia/ia-llm-chatbots/como-a-inteligencia-artificial-pode-ser-incorporada-ao-ensino-e-ao-treinamento/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.