A réplica: dez anos de dados contra uma frase de efeito
Um editorial publicado no Journal of the American College of Radiology contesta a tese
de que a inteligência artificial já teria tornado desnecessário contratar mais radiologistas nos
Estados Unidos. A equipe é liderada por Elizabeth Rula, diretora executiva do Harvey L. Neiman
Health Policy Institute (HPI), em Reston, na Virgínia, e responde a comentários publicados em 2026
no JAMA Health Forum pelo economista David Cutler, de Harvard, e por Lev Klarnet.
Cutler e Klarnet sustentaram que a queda no uso de imagem médica “permitiu aos Estados Unidos
atender à necessidade de exames sem aumentar o número de radiologistas”. A resposta do HPI é
direta: “A afirmação, acreditamos, contraria a experiência coletiva recente da comunidade
radiológica e ignora uma década de evidências.”
Onde está o erro de leitura dos dados
O problema central apontado por Rula e colegas é a base empírica. O estudo-chave citado pelos
economistas examinou o uso de imagem per capita até 2016 e atribuiu parte da aparente queda ao
agrupamento de códigos do Medicare — uma mudança de faturamento, não de volume de exames. Quando o
pagador funde dois códigos em um, o número de “procedimentos” cai no registro administrativo sem
que um único exame deixe de ser feito.
O segundo problema é a métrica. Contar exames ignora a carga de trabalho real do radiologista,
que depende tanto do volume quanto da complexidade. Uma tomografia de corpo inteiro com
reconstruções multiplanares e comparação com três estudos anteriores não equivale a uma radiografia
de tórax, mas ambas aparecem como “um exame”.
Os números que o HPI colocou na mesa
A réplica se apoia em estudos revisados por pares do próprio instituto. Em 2025, o grupo
projetou crescimento de 17% a 27% no uso de imagem médica nos Estados Unidos até 2055, puxado pelo
crescimento e pelo envelhecimento da população. Dados do Medicare compilados no Neiman Almanac
mostram aumentos relevantes de volume de tomografia e ressonância na Parte B entre 2016 e 2024 —
justamente o período posterior ao fim da série usada pelos economistas.
Outro estudo do HPI mediu a carga de trabalho em unidades de valor relativo (RVU, na sigla em
inglês), que ponderam tempo, esforço e risco de cada procedimento. As RVUs de imagem por
beneficiário atingiram o nível mais alto da série em 2021, com alta de 13% em relação a 2005.
Enquanto isso, o mandato de neutralidade orçamentária do Medicare cortou 48,3% da remuneração do
radiologista corrigida pela inflação entre 2005 e 2025. Mais trabalho, menos pagamento por unidade
de trabalho.
O argumento do prontuário eletrônico também não se sustenta
Cutler e Klarnet argumentaram que o prontuário eletrônico teria reduzido a repetição de exames.
O HPI responde com uma análise recente que encontrou repetição em 12,5% dos exames de imagem de
consultório no Medicare entre 2013 e 2022. Não é um detalhe marginal: a duplicação de exames é um
dos principais vetores de desperdício e de exposição evitável à radiação, e segue viva mesmo com
interoperabilidade formalmente disponível — um problema de processo que ecoa o que já discutimos
sobre governança de tecnologia em radiologia.
O fantasma de 2016 ainda circula
A réplica dedica espaço ao contexto histórico, e com razão. Em 2016, o Nobel Geoffrey Hinton
afirmou que o aprendizado profundo superaria radiologistas na análise de imagens e que não fazia
sentido continuar formando especialistas. A previsão não se concretizou, e o próprio Hinton
recuou: em entrevista ao New York Times em setembro de 2026, disse que a combinação de IA
com radiologistas tornará esses profissionais mais eficientes e mais precisos.
Rula e colegas observam que a preocupação “segue sendo notícia e os radiologistas seguem na
defensiva, o que indica o efeito duradouro da previsão de Hinton”. O argumento prático é que
declarações amplas de figuras com autoridade pública têm consequências reais sobre escolha de
especialidade, dimensionamento de residência e decisão de investimento — e levam anos para serem
corrigidas pela evidência.
O que isso significa para a realidade brasileira
A disputa é sobre dados norte-americanos, mas a lição metodológica viaja bem. Qualquer discussão
sobre “IA vai resolver a falta de radiologista” precisa separar três coisas que costumam ser
misturadas: volume de exames, complexidade por exame e capacidade de leitura disponível. No Brasil,
onde a distribuição de especialistas é fortemente concentrada nas capitais e a telerradiologia
absorve parte da demanda do interior, o risco de ler um indicador agregado como prova de suficiência
é ainda maior — foi exatamente o ponto que levantamos ao examinar
se a escassez de radiologistas é regional.
Há ainda o efeito sobre quem está dentro da profissão. Estudos sobre rotatividade mostram que
carga de trabalho percebida é um preditor consistente de saída, e narrativas públicas de
obsolescência não ajudam a reter nem a atrair gente — tema que tratamos em
por que radiologistas pedem demissão.
Como ler essa discussão sem escolher lado por reflexo
Vale um registro de ceticismo nos dois sentidos. O HPI é um instituto ligado ao American College
of Radiology, e defender a relevância econômica da especialidade está dentro do seu escopo
institucional; isso não invalida os dados citados, mas pede leitura atenta à seleção de métricas.
Do outro lado, os comentários criticados foram publicados como opinião, e não como estudo original.
O que a réplica consegue demonstrar com solidez é mais estreito e mais útil do que o debate
polarizado sugere: a série de dados usada para afirmar que a demanda caiu termina em 2016, é
confundida por mudança de codificação e não mede complexidade.
O cenário que os dados sustentam não é nem a substituição nem a escassez automática. É um
sistema em que a demanda cresce, a complexidade por exame cresce mais rápido, o pagamento por
unidade cai e a IA entra como ferramenta de produtividade — com os ganhos ainda sendo medidos caso
a caso, como mostram os
números de autorizações de IA em radiologia na FDA.
Fonte: AuntMinnie — HPI: Evidence contradicts broad claims about AI, radiology workforce
