Em 2016, um dos nomes mais respeitados da inteligência artificial subiu a um palco e recomendou que se parasse de treinar radiologistas. A frase correu o mundo, assustou estudantes de medicina e virou o exemplo favorito de quem queria provar que a IA acabaria com profissões inteiras. O detalhe é que ela envelheceu muito mal.
A radiologia, apontada como a primeira especialidade que a máquina engoliria, hoje contrata mais, paga mais e depende mais de gente do que nunca. Vale entender por quê, porque a lição não fica restrita aos hospitais.
Índice
A FRASE QUE FEZ ESTUDANTES DE MEDICINA REPENSAREM A CARREIRA
O autor da previsão foi Geoffrey Hinton, ganhador do Nobel e apelidado de “padrinho da IA”. Segundo ele, o aprendizado profundo faria a leitura de imagens médicas melhor que qualquer humano em cinco anos, dez no máximo. A recomendação era direta: pare de formar radiologistas agora.
O raciocínio parecia sólido na época. Ler um raio-X, uma tomografia ou uma ressonância envolve reconhecer padrões em imagens digitais. É exatamente o tipo de tarefa em que a IA brilha, sem cansaço e sem oscilação de atenção. Para muita gente, o desfecho era só questão de tempo.
O QUE OS NÚMEROS MOSTRAM DEZ ANOS DEPOIS
A realidade seguiu na direção oposta.
A Mayo Clinic, uma das principais instituições de saúde dos Estados Unidos, emprega hoje mais de 400 radiologistas. É um crescimento de 55% desde a previsão de Hinton. E não é que a instituição tenha ignorado a tecnologia: ela roda mais de 250 modelos de IA dentro da própria radiologia.
O volume de exames também explodiu. Entre 2018 e o início de 2025, a carga de casos de radiologia cresceu cerca de 25%. Mais exames significam mais laudos, mais interpretação e mais necessidade de profissionais para dar conta.
O mercado reagiu como se esperaria diante de escassez. O salário médio do radiologista nos Estados Unidos chegou a 571 mil dólares em 2025, uma alta de 9% em apenas um ano. E o Bureau of Labor Statistics projeta crescimento de 5% no emprego da área entre 2024 e 2034, acima da média de 3% de todas as ocupações.
O próprio Hinton reconheceu o erro. Ele admitiu que falou de forma ampla demais e que se enganou no prazo, ainda que mantenha a expectativa de que IA e radiologistas trabalhem juntos no futuro.
ONDE A PROFECIA ERROU
O deslize central foi confundir uma tarefa com a profissão inteira.
Ler uma imagem é apenas uma parte do trabalho do radiologista. O resto envolve procedimentos guiados por imagem, decisões clínicas em contexto, conversas com outras especialidades, avaliação de casos ambíguos e comunicação com o paciente. Jensen Huang, CEO da Nvidia, resumiu bem: os pessimistas trataram a leitura de exames como se fosse o cargo por completo.
Na prática, a IA entrou nas salas de laudo como uma segunda opinião, não como substituta. Ela faz triagem, prioriza os casos urgentes e reduz a chance de um achado passar despercebido. Na Mayo Clinic, já se diz que, em poucos anos, deixar de usar IA na radiologia será considerado um erro profissional. A tecnologia virou ferramenta obrigatória, e o radiologista continua no comando dela.
O PARADOXO QUE POUCA GENTE PREVIU
Existe um fenômeno econômico que explica boa parte da história: o Paradoxo de Jevons. Quando uma tecnologia torna algo mais barato e mais rápido, o consumo daquilo tende a aumentar, não a cair.
Foi o que aconteceu com os exames de imagem. Ferramentas de IA já aprovadas por órgãos reguladores deixaram a produção de exames mais acessível, o que ampliou a demanda em vez de reduzir a necessidade de profissionais. Some a isso o envelhecimento da população e novas diretrizes de rastreamento, e o resultado é um radiologista mais ocupado, não menos.
Foi por isso que a imprensa passou a tratar a radiologia como o estudo de caso de por que a IA não substitui trabalhadores humanos. A profissão que serviria de prova para a tese acabou virando prova do contrário.
O QUE REALMENTE MUDA NO DIA A DIA DO RADIOLOGISTA
Nada disso significa que o trabalho ficou igual.
O que a IA automatiza são as micro-tarefas repetitivas: detecção inicial, medições, organização de dados. Com essa parte aliviada, o profissional migra para os casos complexos, para os procedimentos intervencionistas e para a supervisão dos próprios algoritmos. O papel muda de forma, não desaparece.
Há riscos reais nessa transição, e ignorá-los seria ingênuo. Modelos de IA podem carregar vieses, e existe o perigo do excesso de confiança na máquina, quando o profissional deixa de checar o que o algoritmo entregou. São questões que a área ainda está aprendendo a administrar.
O QUE ISSO ENSINA SOBRE IA E EMPREGO
A história da radiologia é útil para qualquer um que hoje se pergunta se a IA vai extinguir sua profissão.
A pergunta certa quase nunca é “a IA vai substituir esse cargo”. A pergunta que importa é “quais tarefas dentro desse cargo dá para automatizar, e o que sobra de humano depois disso”. Foi essa troca de pergunta que a maioria dos analistas de 2016 não fez.
Vale um lembrete de honestidade: tudo isso é a fotografia de 2025 e 2026. Parte do que se lê por aí ainda é projeção, não fato consumado, e há quem defenda que a automação em nível de tarefa continuará avançando. Mas, por enquanto, a especialidade que deveria ter sido a primeira a cair é justamente a que mais cresce.
PERGUNTAS FREQUENTES
A IA já lê exames sozinha?
Em várias tarefas, sim, com precisão comparável à de radiologistas. O que ela ainda não faz é assumir o julgamento clínico, os procedimentos e a decisão final, que seguem com o profissional.
Então nenhum emprego em radiologia está em risco?
O emprego total está crescendo, mas o conteúdo do trabalho está mudando. Quem se apoia só na leitura mecânica de imagens sente mais pressão do que quem domina casos complexos e o uso das ferramentas.
Qual foi a previsão original sobre o fim da radiologia?
Em 2016, Geoffrey Hinton sugeriu parar de treinar radiologistas, prevendo que a IA superaria humanos na leitura de imagens em cinco a dez anos. O prazo passou e o oposto ocorreu.
