AI Has Human Doctors Asking: estudo prevê IA melhor que médicos em 5 tarefas-chave

Médicos americanos publicaram um artigo afirmando, sem rodeios, que uma IA totalmente autônoma deve superar médicos em cinco tarefas centrais até 2030 — e que humanos atrapalham.

Os autores, entre eles o oncologista e bioeticista Ezekiel Emanuel e o investidor Vinod Khosla, vasculharam estudos de IA em medicina desde janeiro de 2024 e concluem que sistemas autônomos tendem a superar tanto médicos humanos quanto duplas médico+IA em cinco funções básicas: colher histórico, diagnosticar, escolher exames, prescrever tratamento e manejar doenças crônicas. No texto, eles escrevem que “humanos no loop degradam a performance” e sugerem reduzir ao máximo a interferência clínica nessas etapas, limitando o papel do médico a supervisionar o conjunto e lidar com exceções, conflitos éticos e decisões de alto risco.

O que é a “regra dos 30%” na IA em saúde?

Na prática, mesmo quem rejeita a automação total admite que uma fatia grande do trabalho médico será absorvida por algoritmos. A chamada “regra dos 30%” virou atalho nesse debate: a ideia de que algo como um terço das tarefas de um médico é altamente padronizável e deve migrar para IA e automação, enquanto o restante permanece humano por exigir julgamento clínico, toque físico, interpretação de contexto e, principalmente, vínculo.

A “regra” não nasce de um paper específico, mas condensa o consenso mais pé-no-chão mostrado em revisões recentes, como o estudo publicado na revista Diagnostics. Segundo essa revisão, IAs médicas já são excelentes em tarefas estreitas — ler imagens, medir lesões, triagem, documentação, comunicação escrita — mas falham na generalização fora do treinamento, em exame físico, em procedimentos e na assunção de responsabilidade legal. Os autores descrevem um cenário de 5 a 10 anos em que IA automatiza blocos bem definidos, sob supervisão, sem substituir o clínico inteiro e sem assumir sozinha a linha de frente em casos complexos.

Bill Gates e os “trabalhos reservados a humanos”

No outro extremo do espectro, o texto que inspirou o título “AI Has Human Doctors Asking: What’s Left for Us?” projeta um cenário em que a pergunta deixa de ser só sobre saúde e passa a atingir o mercado de trabalho como um todo. O próprio Emanuel relata ter mudado de lado: depois de anos tratando como exagero a tese de Khosla de que, em 2035, algoritmos fariam 85% do trabalho médico, hoje ele considera esse caminho provável e alinhado com o ritmo recente de avanços.

Nesse ponto entra Bill Gates. Em um ensaio recente sobre IA, Gates escreve que sociedades vão ter de definir “tarefas reservadas a humanos” — inclusive na medicina — para evitar colapso econômico e social quando algoritmos forem técnica e economicamente mais atraentes. Um exemplo citado é justamente o médico que não diagnostica, mas ajuda o paciente a lidar com o laudo gerado pela IA, interpretando riscos, encaixando preferências pessoais e filtrando exageros. Gates trata isso como uma espécie de quota de humanidade criada por decisão política: um conjunto de atos que continuaria com gente de jaleco por escolha regulatória, não por limitação técnica dos modelos.

Até onde chatbots já chegam — e onde eles falham?

Enquanto o debate filosófico ferve, o dia a dia do paciente já mudou. Um estudo da Penn State analisou respostas de quatro modelos (ChatGPT‑4o, ChatGPT‑3.5, Gemini 1.5 Pro e Llama3‑8b) a 212 perguntas de saúde. Nove médicos avaliaram o material: em média, 76,2% das respostas estavam clinicamente corretas. O dado que puxa na direção contrária é direto: mais de 20% vinham com erro — o dobro da taxa de erro típica de médicos humanos, segundo os autores, que mediram tanto imprecisões menores quanto recomendações com potencial de dano.

Algumas áreas se saíram bem, como ginecologia/obstetrícia e otorrino, com alta validade e baixo potencial de dano. Outras foram bem piores: clínica, neurologia e dermatologia apareceram com mais respostas erradas e maior chance de prejudicar o paciente. Um padrão aparece nas análises: prompts mais específicos, entre 60 e 250 caracteres, geraram saídas melhores, com menos ambiguidades e menos deslizes. Qualquer médico que já brigou com laudo automático de exame reconhece o sintoma: quanto mais vaga a pergunta, mais o sistema preenche buracos com palpite.

O estudo ainda tentou “turbinar” os modelos com treinamento extra em livros, diretrizes e artigos de currículo médico. O resultado foi um banho de água fria: avaliadores preferiram, na maior parte dos casos, as respostas dos modelos base de Gemini e Llama às versões ajustadas; para ChatGPT, não houve vantagem clara. Os autores observam que o fine-tuning específico não corrigiu a taxa de erro de forma significativa, e que o nível de engano plausível continuou alto demais para largar um chatbot sozinho diante do paciente médio, sem filtro profissional entre o texto gerado e a conduta final.

O que sobra para médicos humanos? E quais trabalhos não caem tão cedo?

Se a IA acerta 3 em cada 4 respostas, passa em prova de residência, lê exame melhor que radiologista em alguns estudos e não cansa, a pergunta vem na lata: o que resta para o médico de carne e osso? A resposta mais concreta aparece a partir de dois eixos: das tarefas que a tecnologia ainda não alcança e daquilo que parte dos pesquisadores chama de “trabalho conectivo”.

Cirurgias e procedimentos invasivos formam a primeira trincheira. Até Vinod Khosla, um dos investidores mais agressivos em automação médica, admite que cirurgiões e emergencistas continuam essenciais “pelo menos no curto prazo”. Robôs operam, mas sob comando humano; a integração fina entre decisão, tato e improviso, em campo aberto ou em UTI lotada, ainda está longe de ser delegada a um algoritmo que nunca segurou um bisturi.

A segunda tríade de funções difíceis de automatizar envolve diagnóstico em cenários ambíguos, negociação de plano terapêutico e comunicação de notícias difíceis. O médico Robert Wachter argumenta que, mesmo que IA acerte mais que humanos em testes de múltipla escolha, ainda tropeça no momento de segurar a mão de alguém com um prognóstico ruim, ler o silêncio de um idoso que evita subir escadas por medo ou convencer um paciente a aceitar um tratamento impopular. Essas decisões misturam medicina, biografia e política familiar em um nível que não cabe em um checkbox.

É essa camada que a socióloga Allison Pugh chama de “trabalho conectivo”: ouvir com atenção, entender a vida do outro, devolver em palavras que façam sentido para aquela pessoa específica. Pugh alerta que a pressão por eficiência e a adoção acrítica de IA já estão corroendo esse vínculo, ao encher consultas de scripts, métricas e telas intermediando a conversa. Quando o encontro médico vira checklist, a frase tentadora nos powerpoints de consultoria aparece sozinha: “se é só seguir protocolo, a máquina faz melhor”.

Três tipos de trabalho que não serão trocados por IA tão cedo

Nenhum dos estudos crava uma lista oficial dos “trabalhos imunes”, mas o conjunto de evidências aponta para três grupos de atividades com maior resistência à automação completa — na medicina e fora dela:

1. Trabalho manual altamente especializado
Cirurgiões, anestesistas, intensivistas fazendo procedimentos, enfermeiros em UTI, fisioterapeutas de leito. A barreira aqui é menos de algoritmo e mais de corpo: falta braço, tato, improviso motor fino. Robótica avança, mas ainda sob supervisão humana e com responsabilidade ancorada no profissional, que responde por complicações, decide quando parar e ajusta a conduta diante de uma variação anatômica inesperada.

2. Trabalho de alta conexão humana
Médicos de família, psiquiatras, paliativistas, terapeutas: funções em que confiança, leitura de contexto e construção de narrativa são parte do próprio tratamento. A literatura sobre IA em saúde, da AAMC à análise publicada em Diagnostics, converge em um ponto: sistemas atuais não têm senso moral nem empatia autêntica; simulam. Essa simulação basta para parte das interações, como tirar dúvidas simples ou reexplicar bula, mas não sustenta sozinha atendimentos de longo prazo com sofrimento psíquico, conflitos familiares e decisões de fim de vida na mesa.

3. Trabalho de coordenação, julgamento e responsabilidade
Cargos que decidem o que fazer com o output da IA: quem assina o pedido de exame, quem responde pelo erro, quem escolhe entre duas opções estatisticamente equivalentes levando em conta a vida real do paciente. O review em Diagnostics é categórico ao descrever o cenário atual: barreiras regulatórias e de responsabilidade civil travam a autonomia plena dos algoritmos, que, por enquanto, entram como suporte, não como autoridade final, e continuam exigindo um responsável humano para dar nome e CRM às decisões.

No limite, o cenário descrito por Bill Gates — de reservar legalmente certos atos a humanos, mesmo quando a máquina “passa na prova” — pode virar o último escudo dos médicos contra o desemprego em massa. Isso implica um embate direto com a lógica de custo: seria preciso convencer acionistas e governos a financiar, de propósito, trabalhos que a planilha rotularia como “ineficientes”, preservando consultas mais longas, equipes maiores e tempo de escuta em vez de empurrar tudo para a tela.

Entre o hype e o risco: quem segura o freio?

Os dados já em campo batem de frente com o discurso corporativo de que IA clínica hoje é “quase perfeita”. O próprio estudo da Penn State mostra que, para o usuário comum, a combinação de 76% de acerto com mais de 20% de erro e casos de alto potencial de dano é explosiva: um chatbot que erra o dobro de um médico, mas fala com confiança, vira risco prático, não só curiosidade acadêmica, principalmente em sistemas de saúde pressionados a cortar custo.

Ao mesmo tempo, proibir IA em saúde já saiu do cardápio. Pesquisas citadas mostram que um terço dos adultos americanos já pediu para chatbots explicarem exames, sintomas ou tratamentos, e especialistas ouvidos em diferentes trabalhos projetam esse número em alta contínua. Entre zero algoritmo e IA autônoma sem médico por perto, a zona de atrito real está no meio: usar máquina para reduzir papelada, triagem burra e erro humano óbvio — sem permitir que isso vire desculpa para cortar tempo de consulta, treinar menos médicos ou terceirizar o vínculo a um prompt.

A parte irônica da história é que, se Emanuel e Khosla estiverem certos e a IA realmente superar o combo médico+IA em tarefas técnicas até 2030, o gargalo deixa de ser tecnologia e passa a ser política pública: alguém terá de decidir, em lei e orçamento, quantos minutos de ser humano ainda cabem entre o chatbot e o prontuário.