Hinton previu o fim dos radiologistas. Uma década depois, faltam profissionais
Em 2016, o padrinho da IA Geoffrey Hinton disse que era óbvio que a inteligência artificial substituiria radiologistas em cinco anos. Dez anos depois, a categoria enfrenta escassez de mão de obra e salários recordes — mas o trabalho no consultório mudou para sempre.
Por Elias Brandão · Analista de IA e ética
A profecia que não se cumpriu
Em 2016, o cientista canadense Geoffrey Hinton, um dos pais das redes neurais modernas e vencedor do Nobel de Física em 2024, fez uma previsão categórica: em cinco anos, no máximo dez, a inteligência artificial seria melhor do que radiologistas humanos para interpretar exames de imagem. Sua recomendação, na época, foi direta — parem de formar novos radiologistas, comparando a categoria a um coiote que já passou da beirada do penhasco mas ainda não olhou para baixo.
Em bom português: era hora de fechar as portas, porque o prédio ia desabar. Só que o prédio não desabou. Continua de pé, lotado, e com fila de gente querendo entrar.
O que os números mostram
Quase uma década depois, a radiologia vive o oposto do apocalipse anunciado. Nos Estados Unidos, o número de radiologistas ativos cresceu cerca de 10% na última década, e a projeção é de expansão de 26% ou mais nas próximas três décadas. O salário médio da especialidade chegou a US$ 571 mil em 2025 — alta de 9% em relação ao ano anterior —, e em março de 2026 havia cerca de 4.333 vagas abertas para radiologista nos EUA, levando em média 130 dias para serem preenchidas. Os programas de residência também bateram recorde: 1.208 posições oferecidas em 2025, 4% a mais que no ano anterior.
Isso não significa que a IA falhou tecnicamente. Pelo contrário: cerca de três quartos dos mais de 1.400 dispositivos médicos baseados em IA aprovados pela agência regulatória americana (FDA) até o início de 2026 são voltados à radiologia — a especialidade médica que mais absorveu essa tecnologia. Um exemplo emblemático é o CheXNet, modelo de 2017 treinado com mais de 100 mil radiografias de tórax, capaz de detectar pneumonia com precisão superior à de um painel de radiologistas certificados.
O que realmente mudou
O próprio Hinton reconheceu o erro — mas só parcialmente. Ele afirmou que errou no prazo, não na direção: hoje defende que a maior parte da interpretação de imagens médicas será feita por uma combinação de IA e radiologista, tornando o profissional muito mais eficiente e aumentando a precisão dos diagnósticos.
É aí que mora a virada de chave. Os algoritmos funcionam muito bem em bancos de dados de teste, os chamados benchmarks — como um aluno que decora a prova. Só que reproduzir esse desempenho em condições reais de hospital, com máquinas diferentes, populações de pacientes variadas e protocolos distintos, é outra história. Estudos recentes apontam que ferramentas de IA podem reduzir em até 53% a carga de trabalho de triagem dos radiologistas, e cerca de 54% dos hospitais americanos com mais de 100 leitos já usam IA em radiologia, principalmente para interpretação de imagem e priorização de listas de exames.
O resultado é um paradoxo: quanto melhores as máquinas, mais ocupados os radiologistas ficaram. A IA não tomou o lugar do médico — ela mudou o que ele faz no expediente, tirando parte do trabalho repetitivo e abrindo espaço para mais exames, mais complexidade e, ao que tudo indica, mais demanda por gente qualificada para supervisionar a máquina.