IA e Saúde Digital nas DCN 2025: a Competência que o Egresso Precisa Demonstrar

As DCN de Medicina de 2025 incluem, entre as competências do egresso, promover inovações tecnológicas com ferramentas como inteligência artificial (IA), telemedicina, algoritmos de aprendizado de máquina, Big Data e redes neurais artificiais (art. 8º, VII). Incluem também a familiaridade com tecnologias da informação e comunicação, com uso ético e crítico de plataformas digitais e ferramentas de IA (art. 8º, VIII). O art. 10 exige que a adoção dessas tecnologias observe viabilidade técnico-operacional, sustentabilidade, equidade no acesso e proteção da privacidade, da confidencialidade e da integridade das informações dos pacientes. Na prática, o curso passa a ter obrigação curricular de formar o médico para usar, avaliar e questionar essas ferramentas, e de verificar isso por meio do sistema de avaliação alinhado ao perfil do egresso (Resolução CNE/CES nº 3/2025, DOU 01/10/2025).

Norma e orientação: a Resolução CNE/CES nº 3/2025 é a norma que obriga as instituições de ensino. O Caderno de Orientações da Abem (abril de 2026) é, segundo ele próprio, orientação técnica de caráter formativo: não cria obrigação, não substitui a Resolução e não é checklist de conformidade.

O que as DCN 2025 dizem sobre tecnologia?

Ao menos cinco dispositivos da Resolução CNE/CES nº 3/2025, que tem 41 artigos, tratam de tecnologia e saúde digital: os incisos VII, VIII e XXVI do art. 8º, o art. 10 e o parágrafo único do art. 19. O art. 8º lista 27 competências do egresso (incisos I a XXVII), e a tecnologia aparece em mais de uma delas. A leitura central deste artigo é que, com essa norma, as DCN passam a nomear expressamente IA, aprendizado de máquina, Big Data e redes neurais, o que transforma o tema em conteúdo e competência, e não em mera ferramenta de apoio. As DCN de 2014 foram revogadas pelo art. 40.

Um ponto de precisão é útil ao NDE. O inciso VIII está inserido nas competências comunicacionais e emprega a forma "recomendando-se" para a língua estrangeira e para a familiaridade com tecnologias de informação, o que inclui "o uso ético e crítico de plataformas digitais e ferramentas de IA". A competência comunicacional é parte do perfil do egresso, mas a redação desse trecho é recomendatória. O inciso VII, por sua vez, descreve uma competência de promover inovação tecnológica. Recomenda-se que a coordenação confirme a redação literal no texto integral da Resolução, reproduzido no Anexo 1 do Caderno da Abem.

O Caderno (Abem, Brasília, 288 páginas) dedica o capítulo 5, "Tecnologia, inovação e saúde digital", à Seção I, dos conceitos estruturantes. É nele que o tema recebe tratamento pedagógico, inclusive no Quadro 3, que liga sete dimensões aos incisos do art. 8º. Para o panorama geral da norma e do Caderno, veja Leia tambémDCN de Medicina 2025 na Prática: o Que Diz o Caderno da Abem e o Que a Norma Exige →.

Telessaúde, telemedicina e teleconsulta são a mesma coisa?

Não: são três conceitos em escala crescente de especificidade, e o capítulo 5 do Caderno os distingue com referência ao Conselho Federal de Medicina (CFM, 2022). A distinção importa porque cada degrau tem implicações éticas, técnicas e de formação diferentes, e o PPC que trata tudo como "telemedicina" tende a deixar lacunas.

Em síntese editorial, útil para o NDE organizar o conteúdo (a redação exata deve ser conferida no cap. 5 e na norma do CFM):

• Telessaúde é o conceito mais amplo: ações de saúde mediadas por tecnologias de informação e comunicação, o que abrange assistência, educação, gestão e pesquisa à distância.
• Telemedicina é o exercício da medicina mediado por tecnologia, com as responsabilidades éticas e profissionais correspondentes.
• Teleconsulta é o ato específico de consulta médica remota, entre médico e paciente em locais distintos.

A consequência curricular é direta. Uma competência de teleconsulta pressupõe comunicação sem contato físico, registro adequado, confidencialidade do ambiente digital e consciência dos limites do exame clínico remoto. Esses elementos se aprendem e se avaliam em cenário de prática, simulado ou real, e não apenas em aula expositiva. Isso conecta o tema ao domínio psicomotor e ao atitudinal do art. 37, discutidos adiante.

O que significa ensinar IA a um estudante de Medicina?

Significa formar o estudante para usar, avaliar e questionar ferramentas de IA, e não apenas operá-las. O capítulo 5 do Caderno organiza essa formação em sete dimensões no Quadro 3: uso crítico, telemedicina, IA e Big Data, equidade, gestão, proteção de dados e formação ao longo da vida, cada uma ligada aos incisos do art. 8º.

O exemplo escolhido pelo Caderno para ilustrar a lógica é a aferição da pressão arterial. O capítulo percorre a técnica manual até os dispositivos vestíveis e a internet das coisas (IoT), e usa o percurso para discutir acurácia, sensibilidade e especificidade. A lição pedagógica é que o egresso não deve perguntar apenas "o dispositivo mede?", mas contra qual padrão de referência foi validado, em qual população e com qual desempenho em detectar quem tem a condição (sensibilidade) e em descartar quem não a tem (especificidade). Um dispositivo hipotético de alta sensibilidade e baixa especificidade, por exemplo, pode produzir excesso de alertas e ansiedade desnecessária. O mesmo raciocínio se aplica a um algoritmo de apoio ao diagnóstico por imagem.

Duas afirmações do cap. 5 sustentam o restante do conteúdo. A primeira é que algoritmos "não são neutros": reproduzem vieses presentes nos dados e nas escolhas de quem os desenvolveu. A segunda é que dados de saúde são dados sensíveis, sujeitos à LGPD, o que coloca a proteção de dados dentro da formação e não apenas em um departamento jurídico. Ambas conversam com o art. 10, que exige uso ético, crítico e responsável das tecnologias digitais e preservação da privacidade, da confidencialidade e da integridade das informações dos pacientes.

Do ponto de vista da gestão acadêmica, isso se traduz em perguntas que o NDE pode fazer à matriz: em quais componentes o estudante analisa criticamente uma ferramenta de IA? Em quais atividades lida com dados sensíveis sob supervisão? Onde pratica comunicação mediada por tecnologia? Se a resposta for "em nenhum", o PPC tem uma lacuna em relação ao art. 8º, VII e VIII.

Como evitar que a tecnologia amplie desigualdades?

Tratando a equidade como critério de adoção, e não como efeito colateral: o art. 10 coloca a equidade no acesso ao lado da viabilidade técnico-operacional e da sustentabilidade. A Seção V do Caderno reúne 17 situações-problema em seis temas, e "tecnologias" é um deles. As situações descritas são concretas e reconhecíveis por qualquer coordenação.

A primeira envolve um campus com conectividade instável e estudantes que dispõem apenas de celular. Uma estratégia digital desenhada para notebook e banda larga estável exclui justamente quem mais depende da instituição. A segunda descreve teleconsulta, simulação e IA operando em sistemas não integrados, com tecnologia em inglês e docentes inseguros no uso. A terceira formula o dilema central: como formar para a inovação sem ampliar iniquidades.

O Caderno consolida "caminhos possíveis" para cada situação a partir das Oficinas Regionais de 2026 do Projeto REVER. Sem substituí-los, é possível extrair uma leitura editorial a partir da própria Resolução. Primeiro, o diagnóstico de conectividade e de dispositivos dos estudantes deve preceder o desenho de atividades digitais. Segundo, a insegurança docente se enfrenta com desenvolvimento docente continuado, que o art. 21 atribui ao NAPED (Núcleo de Apoio Pedagógico e Experiência Docente) ou estrutura equivalente. Terceiro, a barreira do inglês conversa com o art. 8º, VIII, que recomenda proficiência em ao menos uma língua estrangeira: o curso deve apoiar esse desenvolvimento, e não pressupô-lo. Quarto, o art. 12, sobre inclusão e adaptações razoáveis, vale também para a acessibilidade das plataformas usadas por estudantes neurodivergentes.

A dimensão de equidade também é epistemológica. Se algoritmos reproduzem vieses, o egresso precisa aprender a perguntar em quais populações a ferramenta foi validada e quem ela pode prejudicar. Isso é ensino de equidade aplicado à tecnologia, e não um módulo à parte.

Como avaliar essa competência?

A competência é avaliável nos três domínios do art. 37 (cognitivo, psicomotor e atitudinal), dentro do sistema de avaliação programática exigido pelo art. 36. A Resolução define os domínios como: I, cognitivo (saber e saber como); II, psicomotor (demonstrar e realizar, em cenários simulados e reais); III, atitudinal (ser, estar e relacionar-se). Ela exige ainda que o sistema seja alinhado ao perfil do egresso, padronizado para todos os componentes e com devolutiva individual obrigatória, tempestiva e qualificadora.

A Resolução não prevê uma prova específica de IA nem fixa instrumento para essa competência. A arquitetura é do PPC. O Caderno recomenda desenhar uma matriz avaliativa (blueprint) que cruze instrumentos, domínios e etapas. A competência digital pode ser uma linha dessa matriz. As atividades abaixo são exemplos de evidências, e não exigências normativas.

O Caderno propõe separar o momento de coleta (frequente, de baixo impacto, com feedback) do momento de decisão (alto impacto, com múltiplas fontes e regras de suficiência). Para a competência digital, isso significa acumular pontos de dado ao longo dos anos, e não concentrar a verificação em uma única prova. Quando o desempenho é baixo, o art. 37, § 1º exige plano de ação individualizado, conduzido por docentes ou preceptores, com tutorias, revisões dirigidas e treinamentos práticos personalizados.

Para o desenho dos instrumentos, veja Leia tambémMini-CEX, OSCE, DOPS e Teste de Progresso: o Mapa de Avaliação das DCN 2025 →. Para as possibilidades que a tecnologia abre à própria avaliação, veja Leia tambémInteligência Artificial e a Próxima Geração de Avaliações Médicas →.

E o uso de IA pela própria escola?

A escola também é usuária de tecnologia, e a leitura mais coerente do art. 10 é que os mesmos critérios (equidade, privacidade, uso ético, crítico e responsável) valham para as ferramentas que ela adota no ensino e na avaliação. Isso é leitura editorial: o texto do artigo trata da adoção de tecnologias no curso, sem restringi-la ao conteúdo ensinado.

O Caderno aborda o tema de forma indireta, mas relevante. Na situação-problema 2 da avaliação, que trata do currículo centrado em provas escritas, os caminhos consolidados nas oficinas citam a IA na avaliação com governança de dados e a proteção contra judicialização. A associação entre IA e governança de dados é recorrente. No cap. 16, o Caderno pede que o PPC ou a norma interna explicite perfis de acesso (estudante, mentor, comitê, coordenação), regras de visibilidade, retenção e auditoria, e proteção da relação mentor-estudante.

A prudência aconselha três cuidados. O primeiro é que ferramentas que processam dados de desempenho de estudantes devem ter finalidade definida, acesso controlado e rastreabilidade. O segundo é que a decisão de progressão permanece humana: o Caderno atribui ao Comitê Institucional de Avaliação a deliberação sobre progressão, e a Resolução exige devolutiva individual "qualificadora" (art. 36), o que pressupõe julgamento docente. O terceiro é que a instituição precisa ser capaz de explicar a um estudante, e a uma eventual instância de recurso, como cada dado foi produzido e usado. Para a camada de preparação para avaliações externas, a governança tem um tratamento próprio em Leia tambémGovernança de IA na Preparação para o ENAMED: 5 Prioridades para a Faculdade →.

Como o SPR Med lida com IA?

Com sobriedade, e dentro de um escopo delimitado: o SPR Med é uma infraestrutura B2B de gestão de proficiência médica, construída por médicos, que cobre o domínio cognitivo e a mentoria baseada em dados. Ele não ensina nem avalia a competência de IA e saúde digital do art. 8º, VII e VIII. Essa competência depende de currículo, simulação e avaliação de desempenho, que são responsabilidade da escola, do NDE e do NAPED.

Onde a IA entra na plataforma é em dois pontos. O primeiro são as trilhas adaptativas individuais, que se apoiam no motor M.A.E.S.T.R.O (Rasch 1PL) para estimar a Nota Final na escala INEP, a classificação de proficiência e o nível de confiança, sobre um banco de 266.177 questões tagueadas na Matriz Pedagógica 7D, alinhada à Matriz de Referência Comum. O segundo é a geração assistida de itens, em que o apoio computacional exige validação humana antes de o item entrar em uso.

Em termos do sistema de avaliação programática descrito pelo Caderno, o SPR Med deve ser lido como uma fonte de dados cognitivos, longitudinais e comparáveis, que alimenta o mentor e o Comitê, e como ferramenta de remediação cognitiva por revisões dirigidas e trilhas. Não substitui o e-portfólio, o registro de mini-CEX, DOPS, OSCE ou 360°, nem a plataforma do Comitê de Avaliação. Nenhuma funcionalidade implica conformidade com as DCN, conceito, aprovação ou resultado.

Converse com nosso time de consultoria acadêmica para mapear como os dados cognitivos da sua instituição podem se articular à matriz avaliativa do seu PPC.

Fontes

• Resolução CNE/CES nº 3, de 30 de setembro de 2025 (DOU 01/10/2025, Seção 1, pp. 35-37), que institui as Diretrizes Curriculares Nacionais do curso de graduação em Medicina e revoga a Resolução CNE/CES nº 3/2014.
• Parecer CNE/CES nº 536/2025 (relatora: conselheira Elizabeth Guedes).
• Caderno de Orientações para implementação das DCN do Curso de Graduação em Medicina 2025 (Abem, Brasília, abril de 2026, 288 p., ISBN 978-65-86406-22-1; Projeto REVER): https://website.abem-educmed.org.br/wp-content/uploads/2026/05/Cadernodeorientacoes-paraimplementacaodas_DCN.pdf. Consultados o cap. 5 (Quadro 3), o cap. 16 e a Seção V (situações-problema de tecnologias e de avaliação).
• Conselho Federal de Medicina (CFM, 2022), referência sobre telemedicina citada no cap. 5 do Caderno.
• Lei Geral de Proteção de Dados (LGPD), conforme referida no cap. 5 do Caderno e no art. 8º da Resolução.