A medicina moderna vive um paradoxo difícil de ignorar. Nunca houve tanta produção científica, tantas diretrizes, tantos consensos e tantos estudos publicados. Ao mesmo tempo, o médico que atende pacientes todos os dias precisa tomar decisões em poucos minutos, diante de histórias clínicas complexas, múltiplas doenças, uso de vários medicamentos e dúvidas específicas que nem sempre cabem em uma recomendação genérica.
É nesse ponto que o artigo de Doug Fullington, médico de atenção primária nos Estados Unidos, apresenta sua ideia central: existe uma distância enorme entre a evidência científica disponível e aquilo que chega, de fato, ao consultório. O texto parte de um dado frequentemente citado na literatura de implementação em saúde: em média, a evidência pode levar cerca de 17 anos para mudar a prática clínica, e apenas uma parte das intervenções baseadas em evidências chega à rotina do cuidado. O artigo de Rita Rubin no JAMA, citado pelo autor, discute justamente esse atraso entre “saber o que funciona” e conseguir aplicar esse conhecimento no mundo real. (PubMed)
Esse atraso não precisa ser entendido como simples negligência médica. O ponto mais importante do artigo é outro: muitas vezes, o problema está na arquitetura do trabalho clínico. O médico precisa ouvir o paciente, raciocinar, documentar, preencher formulários, responder mensagens, revisar exames, lidar com autorizações e ainda acompanhar uma literatura que cresce em velocidade incompatível com a capacidade humana individual.
O exemplo do OpenEvidence
Fullington relata que começou a usar o OpenEvidence em dezembro de 2025 e, em cerca de um mês, deixou de usar o UpToDate como ferramenta principal de consulta. Segundo ele, a diferença não estaria apenas na qualidade da informação, mas no momento em que ela aparece: não depois da consulta, não à noite, não em uma busca separada, mas durante a conversa com o paciente. (Doug Fullington, MD)
O OpenEvidence é descrito como uma plataforma de inteligência artificial voltada a médicos, com respostas baseadas em literatura médica revisada por pares, diretrizes clínicas e fontes especializadas. Reportagem da Reuters informou que a empresa desenvolve um mecanismo médico com IA para ajudar clínicos a encontrar e sintetizar informações de periódicos revisados por pares e diretrizes clínicas; a mesma reportagem registrou que a plataforma relatava uso diário por mais de 40% dos médicos nos Estados Unidos e cerca de 18 milhões de consultas clínicas em dezembro de 2025. (Reuters)
Em vez de o médico depender apenas da memória ou interromper o fluxo da consulta para pesquisar depois, a ferramenta tenta trazer uma síntese da evidência no momento em que a dúvida aparece. O médico continua responsável por interpretar, verificar e aplicar aquela informação ao caso concreto.
O ponto mais forte do relato
O aspecto mais interessante do artigo não é a promessa de que a IA “sabe mais” que o médico. O ponto mais forte é quase o oposto: a IA seria útil quando libera o médico para fazer melhor aquilo que a IA não consegue fazer.
Fullington descreve que, ao usar a ferramenta como apoio para documentação, síntese de evidências e tarefas administrativas, passou a olhar mais para os pacientes, ouvir melhor e raciocinar com mais calma. No relato dele, a tecnologia não substituiu a relação humana; ela removeu parte do ruído que vinha corroendo essa relação. (Doug Fullington, MD)
Esse é um ponto importante, porque boa parte do medo em torno da inteligência artificial na medicina vem da ideia de que ela tornaria o atendimento mais frio, impessoal e mecânico. O artigo sugere outra possibilidade: quando bem usada, a IA pode reduzir tarefas burocráticas e devolver tempo cognitivo ao profissional.
Isso não significa que toda IA médica fará isso. Também não significa que qualquer ferramenta disponível ao público tenha segurança, validação ou contexto suficiente para orientar decisões clínicas. O texto trata de uma plataforma específica, em um contexto específico, usada por um médico experiente e verificada por ele.
A diferença entre informação e julgamento clínico
O próprio artigo reconhece limites relevantes. O OpenEvidence, segundo Fullington, não substitui julgamento clínico. Ele pode recuperar e sintetizar evidências, mas não conhece o paciente como o médico conhece. Não entende, por si só, a conversa anterior com a família, os objetivos de cuidado, os medos, as preferências, a adesão ao tratamento ou as nuances acumuladas ao longo de anos de acompanhamento.
Essa distinção é essencial. Evidência científica não é uma ordem automática. Ela é um insumo para decisão. O médico precisa avaliar se a evidência se aplica àquele paciente, se os riscos são aceitáveis, se há contraindicações, se existem alternativas e se a recomendação faz sentido dentro da realidade da pessoa.
O texto também destaca que a qualidade da resposta depende da qualidade da pergunta. Perguntas vagas tendem a gerar respostas vagas. Em medicina, formular uma pergunta clínica precisa já é parte do raciocínio profissional. A ferramenta pode acelerar a busca, mas não elimina a necessidade de saber perguntar, interpretar e conferir.
O que esse relato não prova
É importante não transformar o artigo em uma conclusão maior do que ele permite. Trata-se de um relato profissional, não de um ensaio clínico randomizado avaliando desfechos de pacientes. Ele mostra uma experiência prática de adoção de IA em atenção primária, mas não demonstra, sozinho, redução de mortalidade, melhora de controle glicêmico, menor número de internações ou superioridade clínica em larga escala.
Também há um ponto de transparência relevante: o modelo de negócio da plataforma é gratuito para médicos verificados e sustentado por publicidade, conforme relatado pela própria empresa e por cobertura jornalística. Isso não invalida automaticamente a ferramenta, mas reforça a necessidade de saber como qualquer tecnologia em saúde ganha dinheiro, quais fontes usa, quais conflitos podem existir e como as respostas são verificadas. (Reuters)
Portanto, a leitura mais equilibrada não é “a IA vai substituir médicos”, nem “a IA deve ser rejeitada”. A conclusão mais prudente é que ferramentas especializadas podem ajudar profissionais a aproximar evidência científica da prática clínica, desde que usadas com supervisão, senso crítico e responsabilidade.
De 17 anos para segundos: uma boa metáfora, não uma garantia
A frase “dezessete anos ou dezessete segundos” funciona como uma metáfora poderosa. Ela contrasta o atraso histórico da implementação científica com a possibilidade de acessar evidências durante a consulta. Mas essa compressão do tempo não resolve, sozinha, todos os problemas da medicina.
Ainda existem barreiras estruturais: incentivos desalinhados, excesso de burocracia, pressão por produtividade, prontuários mal desenhados, desigualdade de acesso, treinamento insuficiente e dificuldade de mudar comportamentos clínicos. A IA pode ajudar no ponto de cuidado, mas não corrige automaticamente o sistema.
Mesmo assim, o relato é relevante porque mostra uma mudança concreta no fluxo de trabalho. A inteligência artificial deixa de ser vista apenas como uma ferramenta de produtividade genérica e passa a ocupar um papel mais específico: apoiar a decisão clínica em tempo real, com base em evidências, enquanto o médico permanece responsável pelo cuidado.
A mensagem central é simples: a melhor medicina não depende apenas de ter estudos publicados. Depende de fazer com que a evidência certa chegue ao profissional certo, no momento certo, para o paciente certo. Se uma ferramenta de IA consegue ajudar nisso sem enfraquecer a relação médico-paciente, ela merece atenção. Mas a decisão final continua sendo humana, clínica e contextual.
Fonte: https://dfullington.substack.com/p/seventeen-years-or-seventeen-seconds