Metade do Tempo, Melhor Desempenho — e o Efeito Grande Demais Para Ser Verdade

Um ensaio randomizado com 124 residentes mostrou que treinar com inteligência artificial reduziu o estudo semanal de 20,6 para 10,6 horas e melhorou o desempenho em todos os domínios. É o número que rende manchete. Mas há um dado que quase nenhum texto traduz: o estudo equivalente em ginecologia e obstetrícia reporta um tamanho de efeito de d = 2,30 — cinco vezes o típico da pesquisa educacional — em um desenho sem grupo controle. Entender por que um efeito grande demais é um sinal de alerta, e não de sucesso, é o que separa quem consome evidência educacional de quem sabe julgá-la.

Dr. Mbula Luzingu Barros | Médico Pediatra Intensivista · 25 anos de UTI Pediátrica | Consultor em IA na Saúde | Fundador da INOVAMED | Criador da Metodologia AIMED

📅 Publicado em 11 de agosto de 2026

⏱ Vigência plena da CFM 2.454 em: dias — 26 de agosto de 2026

Para quem não é da área — o essencial em 60 segundos

Este artigo funciona em duas camadas. A técnica, para quem coordena programa de residência ou pesquisa educação médica; e a geral, que só exige curiosidade. Toda ideia central aparece duas vezes: uma com exemplo de hospital, outra com exemplo do dia a dia.

Residência médica é o treinamento em serviço que um médico faz depois de formado, de 2 a 6 anos, dentro de um hospital, sob supervisão. É onde a medicina de verdade é aprendida — e o recurso mais escasso ali não é informação, é tempo de supervisão qualificada.

Ensaio clínico randomizado (RCT) é o desenho em que os participantes são sorteados para receber ou não a intervenção. O sorteio é o que permite dizer que a diferença observada foi causada pela intervenção, e não por diferenças prévias entre os grupos.

Estudo pré-pós mede o mesmo grupo antes e depois, sem grupo de comparação. É mais fácil de fazer e muito mais fraco: qualquer coisa que acontecesse naquele período — inclusive simplesmente amadurecer — aparece misturada ao efeito da intervenção.

Tamanho de efeito (Cohen’s d) é o quanto os grupos se afastam, medido em desvios-padrão. Por convenção, 0,2 é pequeno, 0,5 é médio, 0,8 é grande. É a palavra mais importante deste artigo — guarde essa.

Por Que Isso Importa Para Quem Ensina Residente

Todo programa de residência vive a mesma escassez, e ela não é de conteúdo. Diretriz é pública, artigo é acessível, videoaula é gratuita. O que falta é tempo protegido de raciocínio supervisionado — o preceptor sentado ao lado do residente, olhando o mesmo caso, corrigindo o mesmo erro na hora em que ele acontece.

Esse recurso não escala. Um preceptor consegue dar feedback denso e individualizado a três, talvez quatro residentes por rotação. Acima disso, o feedback vira genérico, atrasado, ou simplesmente não acontece. É por isso que a educação médica competency-based, adotada como padrão internacional pela ACGME e pelo Royal College canadense, tem uma barreira de implementação declarada na própria literatura: tempo docente indisponível para mentoria e avaliação individualizadas.

Ministrei duas turmas do AIMED para residentes de ginecologia e obstetrícia em maio e junho deste ano, no hospital onde esses residentes fazem sua formação. Foram turmas mistas, do primeiro ao terceiro ano de residência na mesma sala. Foi essa experiência que me levou a ler os ensaios publicados em 2026 sobre exatamente isso. E o que encontrei não foi o que eu esperava — nem no sentido de decepção, nem no de confirmação.

O Que os Três Estudos Entregaram

Estudo 1 — o ensaio randomizado (oncologia mamária, n = 124)

Publicado em 12 de março de 2026 na Frontiers in Medicine. Cento e vinte e quatro residentes de oncologia mamária de três hospitais terciários urbanos da mesma região metropolitana, todos centros credenciados para treinamento padronizado. Randomização individual 1:1 por sequência gerada em computador, preparada por estatístico independente, com ocultação de alocação por envelopes opacos numerados sequencialmente. Sessenta e dois no braço AIEIT, sessenta e dois em treinamento convencional.

Os avaliadores dos desfechos subjetivos — raciocínio clínico, apresentação de caso, trabalho em equipe — foram cegados para a alocação e não participaram da entrega da intervenção. Participantes e instrutores não foram cegados, o que é inevitável em intervenção educacional. Cálculo amostral prévio: efeito esperado d ≈ 0,6, alfa bicaudal 0,05, poder 80%, exigindo 58 por grupo. A intervenção durou uma rotação clínica de três meses em tempo integral.

A intervenção tinha quatro componentes: grafo de conhecimento dinâmico com processamento de linguagem natural sobre diretrizes NCCN, atualizado mensalmente; plataforma de reunião multidisciplinar em realidade mista, com cerca de 20 cenários padronizados; sistema de paciente virtual com mentor de IA, com cerca de 25 casos; e um painel de learning analytics. Desfecho primário declarado: aquisição de conhecimento e desempenho em raciocínio clínico.

Estudo 2 — a simulação de ecocardiografia transesofágica (anestesiologia, n = 60)

Publicado em 25 de maio de 2026 na Frontiers in Surgery. Ensaio randomizado de centro único, no Hospital Provincial do Povo de Sichuan, entre dezembro de 2024 e dezembro de 2025. Sessenta residentes de anestesiologia, trinta em cada braço. Os dois grupos receberam o mesmo currículo de ETE conduzido por instrutor — o braço de IA recebeu, adicionalmente, treino em simulador com anatomia 3D, exercícios interativos de leitura de imagem e manipulação virtual da sonda com feedback em tempo real.

Esse desenho é o mais limpo dos três, e vale entender por quê: como a base curricular é idêntica, a diferença observada é atribuível ao acréscimo do simulador, não a “ter tecnologia versus não ter nada”.

Estudo 3 — o de ginecologia e obstetrícia (n = 28)

Publicado em 2026 na BMC Medical Education. E aqui está a diferença que muda tudo: não é ensaio randomizado. É um estudo prospectivo intervencional com desenho pré-pós, sem grupo controle. Vinte e oito residentes de três coortes consecutivas — 2021 (n = 10), 2022 (n = 10), 2023 (n = 8) — de um único hospital, o Primeiro Hospital Afiliado da Universidade Médica de Fujian. O período total foi de 36 meses, e a comparação principal cobre 12 meses de treinamento na plataforma.

Mesma família de intervenção — plataforma de simulação de casos, trilha personalizada por algoritmo adaptativo, sistema de avaliação por competência. Um degrau inteiro abaixo na hierarquia de evidência.

Um exemplo concreto: o que “metade do tempo” significa aqui

No ensaio de oncologia, o grupo controle estudou 20,62 ± 2,48 horas por semana. O grupo de IA estudou 10,63 ± 2,54 horas — e foi melhor em todos os domínios avaliados.

Traduzindo para o chão da residência: são dez horas semanais devolvidas a cada residente. Ao longo de uma rotação de três meses, isso é aproximadamente 130 horas por pessoa. Num programa com vinte residentes, 2.600 horas. Esse é o ativo real — não o ganho de nota.

E é aqui que o número precisa de contexto brasileiro: a carga horária da residência médica no Brasil já é de 60 horas semanais, das quais 10% a 20% devem ser atividades teóricas. Vinte horas semanais de estudo adicional, como no braço controle chinês, não é o padrão da maior parte dos nossos programas — é acima dele. O denominador do ganho, portanto, não é o mesmo.

Os Números, Sem Filtro

A tabela abaixo separa o que foi medido em ensaio randomizado do que foi medido sem controle. Essa separação é o conteúdo principal do artigo — não os valores em si.

Desfecho Intervenção Controle Desenho · Fonte Leitura
Tempo de estudo semanal (h) 10,63 ± 2,54 20,62 ± 2,48 RCT · Ji et al. · 2026 ↑ metade do tempo
Classificação molecular (% acerto) 93,66 ± 1,92 82,65 ± 2,10 RCT · Ji et al. · 2026 ↑ p < 0,001
Biópsia guiada por US — tempo (min) 8,5 ± 2,1 14,2 ± 3,8 RCT · Ji et al. · 2026 ↑ −40%
Retenção de conhecimento em 6 meses (%) 86,7 ± 4,2 74,2 ± 3,2 RCT · Ji et al. · 2026 ↑ sustentado
Aprovação em prova de especialidade (%) 90,3 67,6 RCT · Ji et al. · 2026 ↑ p = 0,0036
Incidência de burnout (%) 35,2 61,5 RCT · Ji et al. · 2026 ↑ subjetivo, não cegado
Complicações pós-operatórias, satisfação favorável ao braço de IA RCT · exploratório ⚠ os autores pedem cautela
ETE — aquisição de janelas-chave (%) 88,2 ± 8,1 76,5 ± 9,7 RCT · Zhang et al. · 2026 ↑ base curricular idêntica
ETE — OSATS (0–150) 121,5 ± 9,2 112,4 ± 10,1 RCT · Zhang et al. · 2026 ↑ p < 0,001
G.O. — raciocínio clínico (pontos) 68,4 ± 8,1 → 84,9 ± 5,7 · d = 2,36 pré-pós, sem controle · 2026 ⚠ ver seção 4
G.O. — competência global (pontos) 72,9 ± 6,8 → 86,4 ± 4,8 · d = 2,30 pré-pós, sem controle · 2026 ⚠ ver seção 4

O tradutor de tamanho de efeito — comece por aqui

Cohen’s d mede a distância entre duas médias em unidades de desvio-padrão. A convenção de Cohen: 0,2 pequeno, 0,5 médio, 0,8 grande.

No hospital: se você troca um antitérmico por outro e a temperatura média cai meio grau a mais, com um desvio-padrão de um grau, isso é d = 0,5. Perceptível, mas não transformador.

Fora dele: a diferença de altura média entre homens e mulheres adultos é de aproximadamente d = 2,0. É uma diferença que você enxerga de longe, sem medir ninguém.

Um d = 2,30 em intervenção educacional significa que o residente médio depois do treino supera cerca de 99% dos residentes antes do treino. Na síntese de Hattie sobre mais de oitocentas meta-análises em educação, o efeito médio de qualquer intervenção pedagógica fica em torno de d = 0,40. Um efeito cinco a seis vezes maior que a média da literatura não é motivo para comemorar — é motivo para procurar a explicação alternativa.

A Armadilha: O Efeito Grande Demais

Todos os quatro domínios do estudo de G.O. reportam Cohen’s d entre 1,58 e 2,56. Competência global: 2,30. Habilidades clínicas: 2,56. Raciocínio clínico: 2,36. Conhecimento profissional: 2,02.

Esses são efeitos gigantescos. E o desenho que os produziu é pré-pós sem grupo controle, medindo 12 meses de residência.

Pergunte-se o óbvio: o que mais aconteceu com esses 28 residentes ao longo de doze meses? Eles fizeram residência. Atenderam pacientes, passaram por plantões, foram supervisionados, leram, erraram e corrigiram. Um residente de primeiro ano melhora substancialmente do mês 1 ao mês 12 com ou sem plataforma de IA. Sem grupo controle, não existe nenhuma forma de separar o efeito da intervenção do efeito de simplesmente ter feito mais um ano de residência.

Some a isso dois mecanismos bem descritos que inflam sistematicamente o pré-pós: o efeito de testagem — quem já fez a avaliação uma vez vai melhor na segunda, mesmo sem aprender nada — e o efeito Hawthorne, a melhora de desempenho que decorre de saber que se está sendo observado dentro de um projeto de inovação. Os autores do ensaio randomizado de oncologia declaram explicitamente que não podem excluir o efeito Hawthorne no próprio ensaio deles, que tem grupo controle. No estudo sem controle, não há nem como levantar a hipótese.

Nada disso significa que a intervenção não funcione. Significa que o estudo de G.O. não consegue medir o quanto ela funciona — e que o d = 2,30 deve ser lido como o efeito combinado de intervenção, maturação, testagem e observação, não como o efeito da plataforma.

⚠ A ressalva que vale igualmente para o ensaio randomizado

Os autores do estudo de oncologia são exemplares em declarar os limites, e vale reproduzi-los: o estudo foi conduzido apenas em hospitais terciários urbanos, limitando a generalização para contextos de recurso limitado; a randomização não foi estratificada por centro, de modo que efeitos residuais de centro não podem ser excluídos; múltiplos desfechos foram avaliados sem ajuste formal para comparações múltiplas, aumentando o risco de erro tipo I; parte das avaliações é subjetiva; e os desfechos de paciente — complicações pós-operatórias, tempo de internação, satisfação — são declaradamente exploratórios e devem ser interpretados com cautela.

Há ainda uma limitação estrutural que os próprios autores nomeiam e que quase nenhum leitor vai reter: a intervenção é multimodal. Grafo de conhecimento, realidade mista, paciente virtual e painel de analytics foram entregues como pacote. O efeito observado não pode ser atribuído à IA isoladamente — ele reflete a combinação. Os autores pedem, corretamente, estudos fatoriais futuros para isolar cada componente.

⚠ O bloqueio de transferência para o Brasil que ninguém vai notar

Os três estudos são chineses. Todos os três. Oncologia em Guangzhou, anestesiologia em Sichuan, ginecologia e obstetrícia em Fujian.

Isso não é um problema de qualidade — são estudos bem conduzidos e aprovados por comitês de ética institucionais. É um problema de base de evidência de país único. A residência médica chinesa tem estrutura curricular, razão preceptor-residente, cultura de avaliação e infraestrutura tecnológica próprias. Nenhuma dessas variáveis é neutra em relação ao tamanho do efeito de uma intervenção educacional.

E há uma segunda camada, mais desconfortável: em todos os três casos, a plataforma avaliada foi construída pelo próprio grupo que a avaliou. No estudo de oncologia, os autores escrevem literalmente “nosso framework proposto”. Isso não é fraude nem má-fé — é a norma em pesquisa de inovação educacional, onde quem constrói é quem testa. Mas é exatamente a configuração em que a literatura de eficácia costuma superestimar efeitos, e é a razão pela qual replicação independente é o próximo passo obrigatório, não um refinamento opcional.

Não existe, até onde consegui verificar, um único estudo brasileiro publicado com esse desenho. Zero RCT, zero pré-pós indexado, em qualquer especialidade.

Instrumentar É um Ato Educacional

Aqui a leitura vira para o lado prático, e a conclusão é contraintuitiva.

Olhe o que a intervenção do ensaio randomizado tem de caro: realidade mista, vinte cenários de reunião multidisciplinar, vinte e cinco pacientes virtuais, processamento de linguagem natural sobre diretrizes atualizado mensalmente. É um projeto de engenharia de meses, com orçamento.

Agora olhe o que os próprios autores identificam como mecanismo do efeito, na discussão: personalização do caminho de aprendizado, feedback imediato em ambiente sem risco, e a passagem de avaliação somativa episódica para monitoramento contínuo com remediação dirigida. Traduzindo: feedback denso, individualizado, de alta frequência.

Isso é exatamente o que um bom preceptor faz. O que a plataforma resolve não é a natureza do feedback — é a escala dele. E o que a IA barateou de forma mais radical não foi o ensino: foi a instrumentação do ensino. Medir competência antes e depois, com rubrica validada e análise pareada, custa hoje uma planilha e trinta linhas de código.

Aplique isso ao que acontece nas suas próprias turmas. Duas turmas do AIMED para residentes de G.O., em maio e junho, mistas do primeiro ao terceiro ano — se tivessem sido instrumentadas com uma rubrica aplicada na entrada e na saída, teriam gerado o mesmo nível de evidência do estudo de Fujian, com duas vantagens que ele não tem: duas coortes independentes em vez de três coortes do mesmo serviço, e — a mais importante — o ano de residência como variável de estratificação limpa em vez de confundidor.

A diferença entre dado e publicação, nesse caso, não é rigor metodológico. É instrumentação — e instrumentação é uma decisão que se toma antes da aula começar, não depois.

💡 A turma mista resolve um confundimento que o estudo publicado não conseguiu resolver

O achado mais elegante do estudo de Fujian é a convergência entre coortes. Antes do treinamento, as três coortes tinham escores basais significativamente diferentes (ANOVA, F = 4,25; p = 0,025) — o que é esperado, já que correspondem a terceiro, segundo e primeiro ano. Depois, a diferença desapareceu (F = 2,14; p = 0,138), com redução de 47,5% na variância entre coortes (DP 4,04 → 2,12). Os autores interpretam isso como evidência de que o modelo adaptativo atende necessidades distintas de estágios distintos, padronizando a competência final.

A interpretação é plausível. Mas o desenho não consegue sustentá-la, e vale entender exatamente por quê: naquele estudo, ano de residência está inteiramente confundido com período de calendário. A coorte de 2021 não é apenas “o terceiro ano” — é um grupo de pessoas diferentes, recrutado em outro momento, com exposição prévia distinta e treinado num período diferente. Não há como separar “o treinamento comprimiu a variância entre níveis” de “estes três grupos de pessoas simplesmente convergiram”.

Uma turma mista de R1 a R3 na mesma sala elimina esse confundimento por construção. Mesmo instrutor, mesmo dia, mesmo conteúdo, mesma sequência de casos. O ano de residência deixa de ser um confundidor e passa a ser um fator de estratificação limpo — e a pergunta “o ganho é maior em quem começa mais atrás?” fica respondível com uma ANOVA de dois fatores banal.

Some as duas turmas de maio e junho e você tem replicação independente de um efeito de estratificação. Isso não é equivalente ao que está publicado na sua especialidade. É metodologicamente superior — em um ponto específico, mas justamente naquele que os autores de Fujian elegeram como o achado mais interessante do trabalho deles.

Um exemplo concreto: o desenho em cunha, ou como ter controle sem negar treinamento

A objeção ética óbvia ao grupo controle em educação é: “não vou negar treinamento a metade da minha turma”. Correto — e desnecessário.

No desenho em cunha (stepped wedge), todos os participantes recebem a intervenção, mas em momentos diferentes. Divida a turma em três subgrupos e entregue os módulos em ordem escalonada: o subgrupo A recebe o módulo 1 no mês 1 e o módulo 2 no mês 2; o subgrupo B recebe na ordem inversa; e assim por diante.

Cada subgrupo funciona como controle dos outros no período em que ainda não recebeu aquele módulo. Ninguém fica sem nada. E você ganha um comparador interno que o estudo de Fujian não tem — o que colocaria a sua coorte, metodologicamente, acima do que está publicado na sua especialidade.

A Camada Regulatória — o Vazio Que Ninguém Nomeia

A Resolução CFM nº 2.454/2026, publicada no Diário Oficial da União em 27 de fevereiro de 2026, normatiza o uso da inteligência artificial na medicina. Ela classifica sistemas por nível de risco — baixo, médio, alto ou inaceitável —, garante que a palavra final sobre diagnóstico, terapêutica e prognóstico é sempre do médico, proíbe delegar à IA a comunicação de diagnósticos e prognósticos, e veda que instituições penalizem o médico que não seguir a recomendação da máquina.

Note o que ela regula: decisão clínica. E note o que ela, por construção, não alcança: IA aplicada à formação médica. Um simulador de paciente virtual que treina residente não emite diagnóstico sobre paciente real. Um painel de learning analytics que rastreia competência não influencia conduta terapêutica. Nenhum dos três estudos deste artigo descreve um sistema que a CFM 2.454 classificaria.

Na ANVISA, o raciocínio é o mesmo por outro caminho. A regularização de software como dispositivo médico depende de o software auxiliar diagnóstico, monitorar condição clínica ou influenciar decisão terapêutica. Plataforma educacional que opera sobre caso simulado não atende a esse gatilho.

A leitura correta disso não é “está liberado, façam o que quiserem”. É o oposto: é a área de IA médica com maior velocidade de adoção e menor densidade regulatória simultaneamente. Quando um programa de residência adota uma plataforma que decide o que cada residente estuda e como cada residente é avaliado, não há resolução do CFM nem registro da ANVISA que exija validação prévia. A única barreira é a qualidade da evidência que o programa exigir antes de adotar — e essa barreira é institucional, voluntária, e hoje praticamente inexistente.

⚠ Onde a fronteira volta a ser regulada

Há um ponto em que o argumento acima deixa de valer, e vale marcá-lo: no momento em que a plataforma educacional passa a operar sobre dados de paciente real — prontuário, imagem de exame do próprio serviço, desfecho clínico atribuído a um residente específico —, ela sai do domínio puramente educacional. Aí entram, conforme o caso, a LGPD, a exigência de aprovação em Comitê de Ética em Pesquisa e, dependendo da função, a discussão de SaMD.

O ensaio de oncologia lidou com isso da forma correta: os algoritmos adaptativos foram treinados exclusivamente sobre dados agregados e anonimizados de interação aluno-conteúdo, sem acesso a dados de paciente ou a prontuário eletrônico, e o sistema não gerava recomendação diagnóstica ou terapêutica autônoma. Essa fronteira é desenho de projeto, não detalhe de implementação.

A Linha do Tempo

2021–2024 · A fase pré-evidência

IA na educação médica aparece como ferramenta isolada e fragmentada. Simulação de realidade virtual, paciente virtual e avaliação automatizada existem, mas sem desenho comparativo. A literatura é de viabilidade e aceitação, não de eficácia.

2026 · O primeiro corpo de evidência randomizada — e onde você está agora

Três estudos, três especialidades, um só país. Dois com randomização, um sem controle. Nenhuma replicação independente, nenhum dado fora da China, nenhum estudo brasileiro. Os efeitos são grandes; a incerteza sobre o quanto deles é real, também.

Próximos 12–24 meses · A janela de replicação

É o intervalo em que estudos fatoriais vão começar a isolar qual componente carrega o efeito, e em que replicações fora da China vão testar se o tamanho se sustenta. É também a janela em que uma coorte brasileira bem instrumentada entra na literatura como primeira, não como confirmação tardia.

Depois · A consolidação curricular

Quando a evidência estabilizar, a discussão migra de “funciona?” para “quanto da carga horária teórica pode ser redesenhada?”. Aí a decisão deixa de ser pedagógica e passa a ser de política de formação — CNRM, comissões de residência, colegiados.

O Que Fazer na Segunda-Feira

Se você coordena ou ensina em programa de residência

  • Antes de adotar qualquer plataforma, pergunte pelo desenho do estudo que a sustenta. Se a resposta for “melhoramos a competência em X%”, pergunte: comparado com quem? Ausência de grupo controle é a informação mais importante do material de vendas — e é sempre a que não está nele.
  • Desconfie de tamanho de efeito acima de d = 1,0 em intervenção educacional. O padrão da literatura é d ≈ 0,4. Efeito muito acima disso pede explicação alternativa antes de comemoração.
  • Pergunte quem construiu a plataforma avaliada. Se quem publicou é quem desenvolveu, o achado continua válido — mas exige replicação independente antes de virar base de decisão institucional.
  • Instrumente a próxima turma antes de ela começar. Rubrica de competência em quatro domínios, aplicada na entrada e na saída, com a mesma escala. Custo: uma planilha. Sem isso, o dado da turma se perde e não volta.
  • Se quiser controle sem negar treinamento, use desenho em cunha. Ordem escalonada de módulos entre subgrupos entrega comparador interno com custo ético zero.
  • Se a sua turma é mista por ano de residência, registre o ano de cada participante. É a variável mais barata de coletar e a de maior retorno analítico: com a entrega mantida constante, ela permite testar se o ganho é maior em quem começa mais atrás — pergunta que o estudo publicado na literatura não consegue responder sem confundimento.
  • Registre tempo de estudo, não só desempenho. O achado mais robusto do ensaio randomizado é a redução de carga horária com desempenho preservado ou superior. É o desfecho de maior valor institucional e o mais fácil de medir.
  • Submeta ao CEP antes de coletar. Dado educacional de participante identificável exige aprovação prévia para publicação. É o passo que mais frequentemente inviabiliza retrospectivamente uma coorte boa.

Exercício: E Se Fosse Cardiologia?

O padrão dos três estudos é transferível, mas não uniformemente. O que muda de especialidade para especialidade não é a tecnologia — é qual competência é o gargalo e qual é mensurável com rubrica objetiva. Vale fazer o exercício em voz alta, porque ele expõe o raciocínio de desenho melhor do que qualquer conclusão pronta.

Cardiologia: o caso mais favorável de todos, e quase ninguém percebeu

Cardiologia tem uma propriedade que oncologia e ginecologia não têm: três competências centrais com padrão-ouro objetivo, digitalizável e escalável.

Eletrocardiograma. É a única competência clínica de alto volume em que o item de avaliação é um arquivo, o gabarito é consensual, e o banco de casos pode ter dezenas de milhares de exemplos com desfecho conhecido. Não existe nada equivalente em ginecologia. Um sistema adaptativo que serve o próximo traçado calibrado pelo erro anterior do residente é, tecnicamente, a aplicação mais simples de todo este artigo — e a de maior densidade de repetição.

Ecocardiografia. Aqui já existe evidência direta e favorável, ainda que fora da cardiologia: o ensaio de ecocardiografia transesofágica com sessenta residentes de anestesiologia mostrou ganho em aquisição de janelas-chave (88,2% versus 76,5%) e redução de tempo de procedimento (27,1 versus 32,4 minutos), com base curricular idêntica nos dois braços. Ecocardiografia transtorácica em residência de cardiologia tem o mesmo perfil: aquisição de janela é medível objetivamente, e o OSATS é instrumento validado e transferível.

Hemodinâmica e eletrofisiologia. São os domínios em que a exposição real é mais escassa e mais dependente de volume institucional — exatamente a condição em que o simulador entrega mais valor marginal. E é onde a referência de competência acaba de ser atualizada: o Advanced Training Statement de eletrofisiologia cardíaca clínica de 2026, do ACC/AHA/HRS, revisou requisitos de treinamento e competências designadas com alinhamento explícito a tecnologias de ponta.

O detalhe que inverte a ordem de prioridade

A intuição diz “comece pelo ECG, é o mais fácil”. A leitura dos três estudos sugere o contrário.

Repare em qual domínio teve o maior ganho no estudo de G.O.: raciocínio clínico, que partiu do escore basal mais baixo (68,4) e subiu mais (16,5 pontos). Os autores registram que as habilidades cognitivas de ordem superior — acurácia de avaliação de risco e formulação de diagnóstico diferencial abrangente — tinham as menores notas iniciais e as maiores margens de melhora, 27,4% e 24,8%. O mesmo padrão aparece no ensaio de oncologia, cujo ganho mais expressivo foi em raciocínio oncológico especializado e colaboração multidisciplinar, e não em tarefa técnica isolada.

Ou seja: o efeito é maior onde a competência é mais complexa e menos treinável por repetição, não onde ela é mais fácil de digitalizar. Em cardiologia, isso desloca a aposta do ECG isolado para a decisão sob incerteza — a discussão de caso de síncope, a indicação de dispositivo, a estratificação pré-operatória, a conduta na dor torácica de risco intermediário. É o território onde a variabilidade entre cardiologistas é máxima e a rubrica é mais difícil de escrever. Também é onde o ganho, segundo os dados disponíveis, seria maior.

É um resultado desconfortável para quem planeja currículo, porque inverte a ordem de menor esforço. Mas é o que os dois estudos com dado por domínio mostram.

A pergunta para levar para o seu colegiado

Independentemente da especialidade, o exercício se reduz a três perguntas, nesta ordem:

1. Qual competência do meu programa tem o menor escore basal e a maior variabilidade entre residentes? (É onde o ganho será maior.)
2. Essa competência tem gabarito consensual entre os meus preceptores? (Se não tiver, o problema não é de plataforma — é de rubrica, e precisa ser resolvido antes.)
3. Consigo medi-la com a mesma régua na entrada e na saída? (Se não, não há estudo — há impressão.)

Se a resposta à pergunta 2 for não, você acabou de descobrir algo mais valioso que qualquer plataforma: a sua equipe não concorda sobre o que é o desempenho correto. Nenhum sistema de IA resolve isso, e todo sistema de IA vai amplificá-lo silenciosamente.

Aprenda a Julgar Evidência Antes de Adotar a Ferramenta

A metodologia AIMED forma médicos que constroem — não apenas consomem — ferramentas de IA clínica. Leitura crítica de desenho de estudo, tamanho de efeito sob desenho fraco, instrumentação de coorte própria e a fronteira regulatória entre educação e decisão clínica fazem parte do currículo, porque são a mesma competência vista de ângulos diferentes.

Conheça o AIMED →

Considerações Finais

O ensaio de Ji e colaboradores é bom. Randomização por sequência computacional, ocultação de alocação por envelope opaco, avaliadores cegados para os desfechos subjetivos, cálculo amostral prévio e desfecho primário declarado. Reduzir o tempo de estudo semanal pela metade e ainda melhorar o desempenho é um achado que merece atenção, e os autores relatam as próprias limitações com honestidade acima da média.

O que merece crítica não são os estudos — é o hábito de leitura que vai se formar em torno deles. “IA melhora a formação do residente” vai circular como fato estabelecido, apoiado em três trabalhos de um país só, dois deles com o mesmo grupo avaliando a própria plataforma, um deles sem grupo controle e reportando um efeito cinco vezes maior que a média da literatura educacional.

💡 Connecting the Dots: o ativo de autoridade aqui não é o “metade do tempo” — é o fato de que o tamanho de efeito de uma intervenção educacional é inversamente proporcional à qualidade do desenho que o mediu, e o campo inteiro ainda lê efeito grande como boa notícia. O ensaio randomizado, com controle, relata diferenças expressivas mas plausíveis; o estudo sem controle relata d = 2,30, e é justamente o mais frágil que produz o número mais impressionante. Isso não é coincidência: é a assinatura previsível de um desenho que soma intervenção, maturação, testagem e efeito Hawthorne no mesmo número e chama tudo de efeito da plataforma. Mas o segundo salto é o que quase ninguém dá. Se o efeito é maior onde a competência é mais complexa e menos treinável por repetição — e os dois estudos com dado por domínio mostram exatamente isso —, então o alvo certo em qualquer especialidade não é a tarefa mais fácil de digitalizar; é a decisão sob incerteza, que é onde a rubrica é mais difícil de escrever porque os próprios preceptores não concordam entre si. Ou seja: a barreira para instrumentar a formação médica nunca foi tecnológica. É que a instrumentação obriga o serviço a declarar, por escrito e antes da aula, o que ele considera desempenho correto — e essa é uma conversa que a maioria dos programas nunca teve. Quem tiver essa conversa primeiro não ganha uma plataforma melhor: ganha a régua. E quem define a régua define o que a próxima geração da especialidade vai considerar competência.

Referências

  1. Ji F, Xiao W, Li X. AI-driven intelligent training enhances clinical competence in oncology residency: a randomized controlled trial. Front Med (Lausanne). 2026 Mar 12;13:1768388. (RCT, n = 124; tempo semanal 10,63 ± 2,54 h vs 20,62 ± 2,48 h; retenção 6 meses 86,7 ± 4,2% vs 74,2 ± 3,2%; aprovação em prova 90,3% vs 67,6%, p = 0,0036; burnout 35,2% vs 61,5%) Disponível em: https://doi.org/10.3389/fmed.2026.1768388
  2. Zhang M, Song SY, Zhou H, Xu G, Tong X, Fan D, Lei Q. Application of an artificial-intelligence-based transesophageal echocardiography simulation system in residency training. Front Surg. 2026 May 25;13:1762740. (RCT de centro único, n = 60; janelas-chave 88,2 ± 8,1% vs 76,5 ± 9,7%; OSATS-TEE 121,5 ± 9,2 vs 112,4 ± 10,1; tempo 27,1 ± 3,9 vs 32,4 ± 4,6 min) Disponível em: https://doi.org/10.3389/fsurg.2026.1762740
  3. Construction and implementation of an AI-enhanced progressive training model for clinical competency development in obstetrics and gynecology residents. BMC Med Educ. 2026. (estudo pré-pós sem grupo controle, n = 28, três coortes, centro único; competência global 72,9 ± 6,8 → 86,4 ± 4,8, d = 2,30; raciocínio clínico d = 2,36) Disponível em: https://doi.org/10.1186/s12909-026-08751-5
  4. Conselho Federal de Medicina. Resolução CFM nº 2.454, de 11 de fevereiro de 2026 — Normatiza o uso da inteligência artificial na medicina. DOU 2026 fev 27; Ed. 39, Seção 1. Disponível em: https://sistemas.cfm.org.br/normas/arquivos/resolucoes/BR/2026/2454_2026.pdf
  5. American College of Cardiology / American Heart Association / Heart Rhythm Society. 2026 ACC/AHA/HRS Advanced Training Statement on Clinical Cardiac Electrophysiology. J Am Coll Cardiol. 2026. (revisão dos requisitos de treinamento e competências designadas em eletrofisiologia) Disponível em: https://doi.org/10.1016/j.jacc.2026.01.074

Metadados dos itens 1 a 3 verificados no PubMed; textos integrais dos três consultados no PubMed Central (PMC13019694, PMC13243387, PMC13032450).