Radiologia: Prova de que IA Complementa, não Substitui
A radiologia se tornou o caso exemplar de por que a inteligência artificial não vai substituir trabalhadores humanos — pelo contrário, está aumentando a demanda por profissionais qualificados. É o que aponta uma reportagem da CNN que analisa como as previsões alarmistas de 2016 sobre o fim da profissão simplesmente não se concretizaram.
Em 2016, o cientista da computação Geoffrey Hinton, ganhador do Prêmio Nobel, declarou que as pessoas deveriam “parar de treinar radiologistas” porque o deep learning faria o trabalho melhor em cinco a dez anos. Dez anos depois, o cenário é exatamente o oposto: existem mais de 1.000 dispositivos médicos com IA aprovados pelo FDA específicos para radiologia.
Mais Trabalho, não Menos
A IA não apenas não está substituindo radiologistas — está na verdade aumentando a quantidade de trabalho que eles conseguem realizar e aumentando a demanda por seus serviços. Hoje, radiologistas utilizam IA para priorizar exames urgentes, melhorar a qualidade de imagem e auxiliar na elaboração de laudos.
Porém, o diagnóstico, o exame físico de pacientes e a redação de laudos definitivos continuam sendo atividades essencialmente humanas. A performance dos algoritmos depende justamente do fato de que seus resultados são revisados por um especialista — é essa colaboração entre máquina e humano que gera a melhoria real.
Lições para Outros Setores
A experiência da radiologia oferece uma lição valiosa para outros campos que temem a automação: a IA tende a funcionar melhor como amplificadora de capacidades humanas do que como substituta. Para profissionais que trabalham com sistemas DICOM e imagem médica, o recado é claro — investir em competências de IA não é uma ameaça, mas uma oportunidade de se tornar mais relevante. A integração de IA em plataformas PACS é o caminho natural dessa evolução.
As vagas em radiologia devem crescer mais rápido que em outras áreas médicas, justamente por causa da adoção de tecnologia — não apesar dela.
Fonte: CNN Business
