Letra de Médico
SEGUIR
SEGUINDO
O erro do Nobel: a IA não acabou com uma especialidade médica
Contrariando previsão feita por cientista há dez anos, a área de radiologia segue firme, forte e rentável
Por Leonardo Vedolin* 24 jul 2026, 13h00
Recentemente, participei de um painel sobre o impacto da Inteligência Artificial (IA) na remuneração médica. A discussão mostrou o quanto o debate finalmente amadureceu: a IA não vai substituir os médicos, mas absorverá partes mecânicas do trabalho, especialmente as tarefas repetitivas, operacionais e baseadas em reconhecimento de padrões.
O impacto da tecnologia na empregabilidade é debate central na sociedade moderna e na medicina não é diferente. A busca por respostas envolve visões antagônicas. Os otimistas destacam a criação de novas carreiras e o aumento da produtividade num mundo em envelhecimento constante. Os críticos reforçam o desemprego estrutural e o aumento da desigualdade social. Aprofundar a discussão com análise de caso pode estimular a reflexão e consequentes ações estruturadas no futuro.
Na radiologia, a evolução da IA nos últimos dez anos tem servido como laboratório para entender esse impacto. A especialidade é única: combina massivo volume de dados, sistemas operacionais digitais padronizados (PACS/RIS), imagens uniformes para diagnóstico e pressão contínua por produtividade. Do lado regulatório, até meados de 2026, a FDA havia aprovado 1.524 dispositivos médicos baseados em IA nos EUA, com impressionantes 76% voltados especificamente para Radiologia — hoje, quase 30 novos modelos por mês.
Essa explosão de capacidade tecnológica alimentou teses disruptivas. Em 2016, Geoffrey Hinton, ganhador do Nobel de Física em 2024, afirmou ser “óbvio” que os radiologistas desapareceriam em poucos anos, substituídos por algoritmos com desempenho superior.
Dez anos depois, a realidade desmentiu a previsão e a Radiologia tornou-se a terceira especialidade melhor paga nos Estados Unidos. O alarmismo anterior afugentou estudantes de medicina justamente quando a demanda explodiu: a tese ajudou a criar a escassez que escalou o problema.
O erro não foi tecnológico, mas econômico: prever a automação de uma tarefa e deduzir o desaparecimento de uma profissão inteira. Pelo menos quatro dinâmicas econômicas explicam esse paradoxo.
Primeiro, a automatização aposenta tarefas, não empregos. Um radiologista não realiza uma única atividade; sua prática inclui detecção de lesões, integração com equipes multidisciplinares, julgamento de casos complexos e responsabilidade final pelo laudo.
A IA automatiza o reconhecimento de padrões, mas o julgamento clínico, a comunicação assistencial e a responsabilidade permanecem humanos. Essa segmentação concentra o valor médico exatamente nas tarefas que resistem à automação.
Segundo, o efeito Baumol. Setores com baixo ganho de produtividade humana ficam progressivamente mais caros. A IA reduz o custo marginal das tarefas repetitivas a quase zero, deslocando todo o tempo médico para o julgamento não automatizável. Como a produtividade humana residual não avança no mesmo ritmo da tecnologia, seu preço sobe, financiado justamente pela eficiência que a IA gerou.
Terceiro, o paradoxo de Jevons. Quando a tecnologia aumenta a eficiência de um recurso, seu custo unitário cai e sua demanda global cresce. A IA reduzirá o custo da diagnose por imagem. Menores custos num cenário de envelhecimento populacional e avanços diagnósticos aumentam o volume de exames solicitados. A automação não elimina trabalho; a demanda induzida expande o mercado.
Por fim, a impossibilidade técnica de substituição total. Em processos em que uma falha causa catástrofe, não se substitui qualidade e responsabilidade humana por eficiência algorítmica. Nenhuma instituição de saúde pode remover o piso de supervisão médica. Algoritmos não possuem licença, não respondem legalmente, não assinam laudos. O médico permanece como garantidor de última instância.
Mas sejamos realistas: a IA continuará evoluindo exponencialmente e seus benefícios não serão distribuídos simetricamente. As últimas décadas mostram que a riqueza tecnológica tende a migrar para empresas que detêm algoritmos, infraestrutura computacional e dados agregados.
O que desaparece não é o radiologista, mas o modelo de profissional treinado para funcionar exclusivamente como máquina de dar laudos. A especialidade está migrando de um sistema baseado em leitura primária para outro baseado em supervisão, validação e integração clínica.
O radiologista do futuro concentrará valor em julgamento, liderança e pensamento sistêmico, competências que nenhuma máquina consegue reproduzir integralmente.
A IA realmente transformou a Radiologia, mas não pela substituição dos médicos. Transformou pela criação de uma nova divisão de trabalho. À medida que a máquina absorve volume, velocidade e padronização, o médico volta a concentrar seu valor no que persiste insubstituível: contexto, responsabilidade e julgamento clínico.
* Leonardo Vedolin é médico radiologista e VP médico da Dasa
ACESSO LIVRE COM VIVO FIBRA