O relatório inaugural da ARISE — rede de pesquisa liderada por Stanford e Harvard — chegou com um dado que deveria incomodar qualquer médico que acompanha inteligência artificial: mais de 80% dos líderes de saúde pesquisados pela McKinsey já colocaram ao menos um caso de uso de IA generativa em produção. Metade fez isso há mais de seis meses.

A medicina está adotando IA no dobro da velocidade da economia geral.

A pergunta que o relatório faz não é se isso é bom ou ruim. É mais incômoda: essa velocidade tem lastro em evidência de resultado clínico?

Por enquanto, não.

No estudo publicado na Science pelo grupo ARISE, o modelo Open AI o1-preview superou médicos em raciocínio clínico e manejo em seis experimentos diferentes. Avaliadores cegos não conseguiram distinguir diagnósticos gerados pela IA de diagnósticos humanos em mais de 83% dos casos. A IA acumulou capacidade de sobra. O que não acumulou foi prova de que isso chega ao paciente.

No MASAI — 105 mil mulheres, randomizado, controlado —, mamografia com IA detectou maior número de cânceres sem aumentar falsos positivos. Resultado traduzido em benefício clínico real. Já o TRICORDER, em 205 clínicas do NHS britânico, mostrou o lado oposto: um estetoscópio com IA tinha desempenho algorítmico promissor para detectar insuficiência cardíaca, fibrilação atrial e doença valvar. Em tese, funcionava. Na prática, a adoção pelos clínicos foi desigual, e o ensaio não melhorou a detecção de insuficiência cardíaca na população.

O modelo era capaz. O sistema não estava pronto.

Essa dissociação entre desempenho e desfecho atravessa o relatório inteiro. O dado mais revelador vem do NOHARM, um benchmark construído especificamente para medir dano clínico — não acurácia. Mesmo os melhores modelos produziram recomendações com potencial de dano grave em 1 a cada 14 consultas.

O ponto que quase ninguém discute: mais de 80% dos erros graves foram de omissão. Não alucinações. Não invenções. Silêncio.

O modelo não disse algo errado. Deixou de dizer algo necessário.

Isso muda completamente o modo como devemos avaliar IA clínica. Alucinação é visível — alguém pode flagrar. Omissão é invisível. Só aparece quando um clínico já sabe o que deveria estar ali.

Quando o clínico interage com a IA, a coisa complica. Em um estudo randomizado controlado com 1.298 participantes, os modelos acertaram o diagnóstico em 94,9% dos casos quando testados sozinhos. Quando pacientes reais interagiram com esses mesmos modelos, a acurácia caiu para menos de 34,5% — igual a não usar IA nenhuma.

Em Nairóbi, clínicos usando uma ferramenta de suporte à decisão baseada em LLM seguiram recomendações prejudiciais com o dobro da chance de seguirem as benéficas.

A colaboração humano-IA é o próximo problema real. Talvez o mais difícil.

Uma meta-análise de 2024 com 106 experimentos mostrou que a combinação humano-IA teve desempenho inferior ao melhor desempenho isolado — humano ou IA — na maioria dos casos. Uma revisão de 2025 específica para saúde encontrou que adicionar IA ao médico quase sempre melhora o médico. Mas adicionar o médico à IA, na maioria dos casos, não melhora a IA.

Michel Foucault, filósofo e historiador francês, descreveu em O Nascimento da Clínica como o regard médical — o olhar clínico — não é apenas observação. É interpretação ativa, moldada por contexto, experiência e poder. A IA tem observação. Não tem regard. Quando entra no fluxo de trabalho de um clínico sem regard suficiente, os dois se enfraquecem mutuamente.

Tem outro risco que o relatório nomeia com precisão: never-skilling. Estudantes que usaram IA generativa completaram tarefas com 48% mais sucesso. Quando a IA foi retirada, tiveram desempenho 17% pior do que quem nunca usou. Não perderam uma habilidade. Nunca a desenvolveram.

Para quem ensina medicina — e eu ensino Saúde Digital na UPF —, esse é o desafio pedagógico da década: integrar IA sem erodir as competências que ela deveria complementar.

O relatório da ARISE não é pessimista. É rigoroso. Reconhece que a IA já passou em múltiplos benchmarks médicos, que mamografia com IA salvou vidas mensuravelmente, que assistentes de transcrição clínica de IA aliviaram burnout. Mas insiste — com dados — que capacidade não é o mesmo que capacidade implementada. E que segurança precisa ser medida como dimensão própria, não como subproduto de acurácia.

A questão não é se a IA é boa o suficiente. É se o sistema ao redor dela — governança, validação local, monitoramento pós-implantação, design de workflow, formação do clínico — é bom o suficiente para que ela entregue o que promete.

Esse é o trabalho real. Mal começou.

Referência: Perez, A. et al. (2026). The 2026 Healthcare AI Industry Report. ARISE, Stanford, CA. Disponível em arise-ai.org