Um ensaio clínico randomizado publicado na revista científica BMC Medical Education avaliou o uso de pacientes simulados por inteligência artificial no treinamento de habilidades de anamnese em estudantes de medicina. A pesquisa, conduzida com 56 estudantes divididos entre um grupo treinado com pacientes virtuais baseados em IA e outro submetido ao método tradicional de role-play, identificou desempenho superior no grupo que utilizou a ferramenta de IA em avaliação clínica estruturada, que mediu coleta de história clínica, raciocínio, comunicação e comportamento profissional durante a entrevista com o paciente.
Os autores destacam que a simulação por IA permite ao estudante repetir o exercício de anamnese quantas vezes forem necessárias, receber retorno imediato sobre as perguntas e decisões tomadas durante o atendimento simulado e ajustar sua abordagem de forma progressiva. Todas essas são características mais difíceis de reproduzir no método tradicional de role-play, que depende da disponibilidade de atores ou colegas para simular o paciente.
Esse tipo de resultado ilustra um princípio mais amplo observado no desenvolvimento de ferramentas educacionais para a saúde: simulações bem calibradas dependem de repetição, retorno estruturado e ajuste constante a partir do uso real. É o mesmo princípio que orienta, por exemplo, o processo de atualização de modelos anatômicos digitais na plataforma Anatomy, da MedRoom, construído a partir da escuta de docentes e estudantes e validado por critérios técnicos de precisão anatômica.
"O que temos observado é que a tecnologia só cumpre seu papel pedagógico quando está em diálogo direto com quem ensina e com quem aprende. Seja em simulação clínica ou em recursos de visualização anatômica, os ganhos aparecem quando existe escuta estruturada por trás de cada ajuste, e não apenas atualização por atualização", afirma Carlos Eduardo Amaral, gerente de produto da MedRoom.
Achados como os do estudo publicado na BMC Medical Education reforçam o interesse crescente de instituições de ensino em saúde por ferramentas de simulação baseadas em IA voltadas a habilidades específicas de comunicação e entrevista clínica, como complemento (não substituto) à prática supervisionada com pacientes reais.
