Residência em Radiologia 2025: O Currículo Que Forma Para o Passado

Em 2025, existem mais de 1.000 algoritmos de IA aprovados pela FDA para uso em imagem médica. A maioria foi desenvolvida para tarefas radiológicas. Quantas horas do currículo de residência são dedicadas a ensinar residentes a usar, avaliar e monitorar esses sistemas?

A resposta, segundo estudos publicados este ano, é desconfortável: quase nenhuma.

O Problema da Velocidade

Um estudo publicado no Abdominal Radiology em 2025 identificou o problema central: currículos são revisados em ciclos de múltiplos anos, enquanto ferramentas de IA evoluem em meses.

"Várias razões sistêmicas explicam esse gap. Currículos são revisados em ciclos multi-anuais, enquanto ferramentas de IA se desenvolvem em meses."

— Curriculum check, 2025—equipping radiology residents for AI challenges of tomorrow, Abdominal Radiology

Isso cria uma situação onde residentes se formam tendo aprendido técnicas de 3-4 anos atrás, enquanto a prática clínica já opera com ferramentas que não existiam quando eles começaram.

Mencionar Não É Ensinar

Uma revisão global publicada em 2025 analisou currículos de residência em radiologia de vários países. O achado é revelador: dois terços dos currículos “reconhecem” IA, mas apenas três países (Reino Unido, Austrália/Nova Zelândia e Irlanda) avançaram para ensino estruturado.

E mesmo nesses casos, o conteúdo é primariamente técnico, com inclusão mínima de avaliações formais e pouca referência a questões éticas.

Falta Quem Ensine

O estudo do Abdominal Radiology aponta outro problema estrutural: muitos departamentos não têm corpo docente confortável para ensinar o tema.

Isso faz sentido. Os professores de hoje se formaram quando IA em radiologia era ficção científica. Esperar que eles ensinem algo que nunca aprenderam — e que muda mais rápido do que conseguem acompanhar — é pedir o impossível.

"Combinado com as demandas de recursos para atualizar conteúdo continuamente, esses desafios podem explicar por que a maioria dos currículos nacionais menciona IA em teoria, mas ainda não oferece treinamento estruturado, prático e amplamente acessível."

O Currículo Já Está Cheio

Um artigo no Journal of the American College of Radiology destaca outro obstáculo: programas de residência que querem incorporar currículo padronizado de IA encontram dificuldade em achar espaço em um currículo já sobrecarregado.

Residentes já precisam dominar uma gama extensiva de patologias e modalidades. IA é a mais nova “modalidade de imagem” com a qual residentes precisam estar familiarizados — mas não há tempo alocado para ela.

A Distância Entre Teoria e Prática

Um estudo chinês publicado no JMIR Medical Education em 2025 documentou o impacto da transição para aprendizado remoto durante a pandemia. O achado relevante: 53-74% dos residentes de radiologia experientes perceberam o aprendizado virtual como menos efetivo que o presencial.

Se mesmo o ensino tradicional sofre quando virtualizado, imagine o ensino de IA — que é inerentemente prático e requer interação com sistemas reais.

O Que Está Sendo Proposto

As soluções sugeridas na literatura são consistentes. Um artigo da ScienceDirect propõe frameworks abrangentes que incluem:

• • Instrução didática estruturada sobre IA
• • Exposição prática em laboratório a ferramentas comerciais de IA
• • Discussões de casos baseadas em problemas
• • Simulação de pathways clínicos

Em 2025, AAPM, ACR, RSNA e SIIM trabalharam juntas para desenvolver um syllabus detalhando competências recomendadas para profissionais de imagem médica. O guia é direcionado a quatro personas: usuários de sistemas de IA, compradores, colaboradores clínicos e desenvolvedores.

O Problema de Incentivos

Há ainda um problema que poucos discutem: incentivos desalinhados. Programas de residência são avaliados por métricas tradicionais — taxa de aprovação em boards, volume de casos interpretados, publicações.

Nenhuma métrica oficial mede competência em IA. Sem pressão externa, a mudança depende de iniciativa individual de programas — que já estão sobrecarregados com demandas existentes.

Implicações Para o Futuro

A literatura de 2025 converge para uma conclusão: radiologistas que resistem a aprender e operar IA podem ser substituídos por radiologistas que o fazem.

Não é que IA vai substituir radiologistas. É que radiologistas que sabem usar IA vão substituir os que não sabem.

"Isso indica potencial para mudança na descrição do trabalho, não substituição — um 'deslocamento' onde papéis mudam para combinar trabalhos de IA e radiologia."

O gap entre educação e prática não é apenas um problema acadêmico. É uma questão de empregabilidade. Residentes formados hoje com currículo de ontem entrarão em um mercado que opera com ferramentas de amanhã.

Conclusão

Os dados de 2025 são claros: existe um gap significativo entre o que currículos de residência ensinam e o que a prática clínica exige em relação a IA. Esse gap é estrutural — causado por ciclos lentos de revisão curricular, falta de corpo docente treinado, currículos já sobrecarregados, e ausência de métricas de avaliação.

Iniciativas como o syllabus multi-societário representam passos na direção certa. Mas a velocidade de adoção depende de cada programa individualmente — e a maioria ainda não começou.