A inteligência artificial (IA) está se tornando uma questão educacional central na formação médica de graduação, à medida que as ferramentas baseadas em IA influenciam cada vez mais os fluxos de trabalho clínicos, os ambientes de aprendizagem e o cuidado aos pacientes. O desafio já não consiste simplesmente em determinar se a IA deve ser incluída no currículo, mas em definir o escopo da alfabetização em IA para estudantes de graduação e traduzi-la em resultados educacionais que possam ser ensinados, observados e avaliados.
Esta revisão narrativa conceitual focalizada sintetizou a literatura sobre alfabetização em IA e conceitos relacionados na formação médica de graduação, utilizando uma busca estruturada e uma síntese interpretativa, tendo a educação médica baseada em competências (CBME, na sigla em inglês) como perspectiva de análise. Foram realizadas buscas no PubMed e no ERIC por literatura em inglês publicada entre 1º de janeiro de 2020 e 15 de abril de 2026. Os registros locais do processo de seleção identificaram 94 registros bibliográficos padronizados, 66 registros examinados após a remoção de duplicatas, 40 relatórios em texto completo avaliados e 30 publicações que contribuíram para a síntese final.
Foram identificados cinco domínios recorrentes: conhecimentos fundamentais sobre IA; interpretação e uso clínico aplicado; alfabetização em dados e avaliação crítica; ética, legislação e responsabilidade profissional; e colaboração entre seres humanos e IA e formação profissional. Sob a perspectiva da CBME, esses domínios podem ser traduzidos em resultados de aprendizagem, tarefas contextualizadas, desempenhos observáveis e evidências para a avaliação programática.
A literatura oferece maior respaldo à clarificação conceitual, à identificação de domínios e à sua incorporação ao currículo, enquanto as evidências sobre desenvolvimento longitudinal, desempenho observável e avaliações validadas para estudantes de graduação ainda são limitadas. O marco proposto, os exemplos, os marcos de progressão e os critérios das rubricas constituem propostas de desenho fundamentadas na síntese da literatura e requerem validação empírica antes de serem utilizados em avaliações de alto impacto.
Fu C, Li J, Fan H, Ren R, Cui K, Zhang Y, et al. AI literacy in undergraduate medical education: a competency-based interpretive framework for curriculum and assessment. Front Med (Lausanne). 2026;13:1871524. doi:10.3389/fmed.2026.1871524.
García Dieguez M. Comentário sobre a Alfabetização em IA ou Competência Profissional? Um Marco para Integrar a Inteligência Artificial ao Currículo Médico. [Internet]. Organização Pan-Americana da Saúde. Repositório Bibliográfico. Disponível em: https://campus.paho.org/pt-br/repo/alfabetizacao-ia-competencia-profissional-marco-integrar-inteligencia-artificial-curriculo
García Dieguez M.
CEEProS Universidad Nacional del Sur
Este artigo constitui uma excelente leitura para docentes que estão incorporando a inteligência artificial à formação médica e desejam evitar que seu ensino se limite ao uso de ferramentas tecnológicas. A partir da perspectiva da educação médica baseada em competências, os autores propõem um marco conceitual que traduz a alfabetização em inteligência artificial em competências observáveis, resultados de aprendizagem e estratégias de avaliação. A leitura é especialmente útil para planejadores curriculares, responsáveis pelos cursos de graduação em Medicina e docentes interessados em integrar a IA de forma longitudinal, ética e alinhada à futura prática clínica.
Esta revisão narrativa conceitual identificou 30 publicações por meio de uma busca estruturada nas bases PubMed e ERIC (2020–2026). Diferentemente de outras revisões centradas em ferramentas de IA, este trabalho analisa como definir o que os estudantes de Medicina devem aprender sobre inteligência artificial e como essas competências devem ser avaliadas dentro do paradigma da educação médica baseada em competências. Sua principal contribuição é propor cinco domínios fundamentais da alfabetização em IA: conhecimentos básicos sobre IA; interpretação clínica e uso aplicado; alfabetização em dados e pensamento crítico; ética, legislação e responsabilidade profissional; e colaboração humano–IA com desenvolvimento da identidade profissional. A partir desses domínios, os autores apresentam exemplos de resultados de aprendizagem, atividades educacionais, marcos progressivos de desempenho e estratégias de avaliação programática, incluindo OSCE, portfólios, avaliação no local de trabalho e análise de casos. O artigo enfatiza que a IA deve ser integrada de forma transversal ao currículo e não ensinada como uma disciplina independente.
Embora a revisão apresente uma estratégia de busca estruturada e uma síntese muito bem organizada, trata-se de uma revisão narrativa conceitual, não incluindo avaliação formal da qualidade metodológica nem análise do risco de viés dos estudos incluídos. Além disso, os modelos curriculares, marcos de desenvolvimento e rubricas propostos representam modelos derivados da síntese da literatura e precisam ser validados empiricamente antes de serem utilizados em avaliações de alto impacto. Os próprios autores reconhecem que as evidências sobre avaliação longitudinal do desempenho e desenvolvimento progressivo das competências em IA ainda são limitadas.
- Integrar a IA de forma transversal às disciplinas existentes (raciocínio clínico, ética, medicina baseada em evidências e comunicação), evitando criar uma disciplina isolada.
- Ensinar os estudantes a interpretar criticamente resultados gerados por IA, identificando vieses, erros, incertezas e limitações antes de utilizá-los na tomada de decisões clínicas.
- Avaliar competências por meio de tarefas autênticas, como análise de casos com IA, OSCE, portfólios e avaliação no ambiente de trabalho, em vez de depender exclusivamente de provas teóricas.
- Desenvolver progressivamente cinco domínios de competência: fundamentos da IA, aplicação clínica, alfabetização em dados e pensamento crítico, responsabilidade profissional e colaboração humano–IA.
- Capacitar os docentes para supervisionar o uso responsável da IA e oferecer feedback centrado no raciocínio clínico, e não apenas no domínio técnico das ferramentas.