Após 30 dias com um escriba de IA ambiente, a parcela de clínicos que relatam burnout caiu de 51,9% para 38,8% em seis sistemas de saúde dos EUA (JAMA Network Open, Olson et al. 2025). A história do tempo é mais modesta: um estudo com cinco sistemas e 8.581 clínicos mediu 16,0 minutos a menos de documentação por 8 horas de pacientes agendados (JAMA, estudo multicêntrico 2026), e em um ensaio randomizado um dos escribas reduziu o tempo médio por nota em 41 segundos, enquanto o grupo controle caiu 18 segundos por conta própria (NEJM AI, Lukac et al. 2025). A qualidade das notas é a questão em aberto, com omissões em 18% dos rascunhos de IA revisados na UC Davis (JMIR Medical Informatics 2026). Para o mercado de documentação mais amplo em torno dessas ferramentas, veja nossas estatísticas de transcrição médica e, para a carga de trabalho que gera a demanda, nossas estatísticas de burnout e jornada de médicos de emergência. Agregamos dados do NEJM AI, JAMA, JAMA Network Open, JMIR Medical Informatics, JAMIA, The Permanente Medical Group, da American Medical Association, da Healthwatch England e da KLAS Research.
TL;DR
- Um ensaio randomizado da UCLA deu a 238 médicos um de dois escribas ambientes ou o cuidado habitual; apenas um escriba superou o controle no tempo de nota (NEJM AI, Lukac et al. 2025).
- Os adotantes em cinco sistemas acadêmicos economizaram 16,0 minutos de documentação por 8 horas de pacientes agendados, mas o trabalho fora do horário não mudou de forma significativa (JAMA, estudo multicêntrico 2026).
- Os clínicos da Penn reduziram o trabalho fora do horário de 50,6 para 35,4 minutos por dia (JAMA Network Open, Duggan et al. 2025).
- O burnout caiu de 51,9% para 38,8% após 30 dias de uso do escriba (JAMA Network Open, Olson et al. 2025).
- Os profissionais acima do limiar alto de exaustão no trabalho caíram de 56,1% para 35,4% em um ensaio stepped-wedge (NEJM AI, Afshar et al. 2025).
- Apenas 21,1% de 8.581 clínicos haviam adotado um escriba, de 7,1% a 63,6% conforme a unidade (JAMA, estudo multicêntrico 2026).
- As notas redigidas por IA continham omissões em 18% e alucinações em 11,5% de 356 notas revisadas (JMIR Medical Informatics, UC Davis 2026).
- Os adotantes do escriba produziram 1,81 unidade de valor relativo a mais por semana, cerca de US$ 3.044 por médico por ano (JAMA Network Open, UCSF 2026).
- 61,8% de 12.153 adultos canadenses estavam relutantes quanto ao uso futuro de escribas de IA, e apenas 28,3% sabiam que as ferramentas estavam em uso (JAMIA 2026).
- O consentimento dos pacientes caiu de 81,6% após informações básicas para 55,3% após a divulgação detalhada sobre armazenamento de dados e envolvimento do fornecedor (JAMA Network Open, NYU Langone 2025).
- 81% dos adultos do Reino Unido querem ser consultados sobre consentimento antes do uso de um escriba de IA (Healthwatch England 2026).
1. Ensaios Randomizados: O Que a Evidência Controlada Mostra sobre o Tempo de Nota
A evidência randomizada chegou no fim de 2025 e redefine as expectativas. No ensaio de três braços da UCLA publicado no NEJM AI, os usuários do Nabla reduziram em 41 segundos a nota média (de 4 minutos e 30 segundos para 3 minutos e 49 segundos), mas os médicos do cuidado habitual também reduziram 18 segundos sem nenhuma IA, e o braço do DAX Copilot não se separou do controle. O efeito líquido em relação ao controle foi de 23 segundos por nota (41 menos 18), bem menor do que a queda bruta de antes e depois sugeriria isoladamente, e é exatamente por isso que os grupos de controle importam nesta categoria.
O uso explica parte da diferença. Mesmo dentro de um ensaio, os médicos ligaram o escriba em apenas cerca de um terço das consultas, e aproximadamente 15% dos médicos designados a um escriba nunca o usaram. O ensaio stepped-wedge da University of Wisconsin (um desenho em que toda clínica acaba recebendo a ferramenta, em ondas randomizadas) teve um uso muito mais intenso, e essa é uma das razões pelas quais seus efeitos parecem maiores.
| Métrica | Valor | Fonte |
|---|---|---|
| Médicos randomizados para DAX Copilot, Nabla ou cuidado habitual (UCLA) | 238 em 14 especialidades | NEJM AI, Lukac et al. 2025 |
| Variação do tempo médio na nota por nota: braço Nabla versus braço de cuidado habitual | -41 segundos versus -18 segundos | NEJM AI, Lukac et al. 2025 |
| Consultas em que o escriba designado foi de fato usado: braço DAX Copilot versus braço Nabla | 33,5% (8.271 de 24.696) versus 29,5% (6.981 de 23.653) | NEJM AI, Lukac et al. 2025 |
| Profissionais no ensaio stepped-wedge de Wisconsin e Illinois e sua utilização de IA ambiente ponderada por nota | 66 profissionais, 16.593 atendimentos; utilização de 71,0% (DP 31,6%) | NEJM AI, Afshar et al. 2025 |
| Parcela do conteúdo da nota digitada manualmente, antes versus durante o uso do escriba (Penn Medicine, 46 clínicos em 17 especialidades) | 11,2% para 7,9% (P < 0,001) | JAMA Network Open, Duggan et al. 2025 |
| Fechamento de consultas no mesmo dia, antes versus durante o uso do escriba (Penn Medicine) | 66,2% para 72,4% (P < 0,001) | JAMA Network Open, Duggan et al. 2025 |
Contexto: o braço do DAX Copilot na UCLA reduziu 23 segundos por nota, o que equivale a -1,7% em relação ao controle (IC de 95%, -9,4% a +5,9%; P=0,66). Um resultado não significativo em um ensaio de dois meses não prova a ausência de efeito, mas lembra que os produtos de escriba não são intercambiáveis.
2. Tempo no Prontuário Eletrônico Fora do Horário: A Promessa do Pajama Time Sob Medição
O “pajama time” (literalmente, “tempo de pijama”) é o trabalho no prontuário eletrônico (EHR) que os clínicos fazem fora do horário de atendimento agendado, em geral concluindo as notas em casa, à noite. É o resultado que os sistemas de saúde mais querem mover, e é onde a evidência mais diverge. No estudo do JAMA com cinco sistemas, o trabalho fora do horário mudou apenas -3,1 minutos por 8 horas de pacientes agendados, resultado que o intervalo de confiança (-6,8 a 0,5) não consegue distinguir de zero, e o ensaio da UCLA também não encontrou mudança significativa fora do horário em relação ao controle.
Os resultados positivos vêm do ensaio de Wisconsin, de uso intenso, de estudos de um único sistema, de pesquisas autorrelatadas ou de acompanhamentos mais longos. O estudo pré-pós da Penn registrou uma queda de cerca de 15 minutos por dia, e um preprint da Washington University constatou que o pajama time não se moveu no dia zero, mas estava 19% menor no dia 150. A leitura prática: a economia fora do horário parece depender de uma mudança de hábito que leva meses, e não de simplesmente ligar a ferramenta.
| Métrica | Valor | Fonte |
|---|---|---|
| Trabalho fora do horário de expediente por 8 horas de pacientes agendados, adotantes versus não adotantes (5 sistemas acadêmicos) | -3,1 minutos (IC de 95%, -6,8 a 0,5), não significativo | JAMA, estudo multicêntrico 2026 |
| Trabalho fora do expediente, ensaio stepped-wedge | -0,50 hora/dia (IC de 95%, -0,90 a -0,09; P=0,03) | NEJM AI, Afshar et al. 2025 |
| Trabalho fora do horário por dia, antes versus durante o uso do escriba (Penn Medicine, 46 clínicos) | 50,6 para 35,4 minutos (P=0,02) | JAMA Network Open, Duggan et al. 2025 |
| Mediana do tempo de documentação fora do horário, antes versus depois da adoção (Providence, 1.547 clínicos) | 22,0 para 20,6 minutos; queda sustentada de 0,38 minuto por mês (P=0,02), sem mudança imediata | JAMA Network Open, Husa et al. 2026 |
| Pajama time no dia 150 versus antes da adoção (220 clínicos de atenção primária) | -19% (IRR 0,81, intervalo de 0,73 a 0,90); sem mudança no dia 0 | preprint do medRxiv, Washington University 2026 |
| Horas semanais autorrelatadas escrevendo notas fora do horário de atendimento, antes versus após 30 dias | 4,95 para 4,05 horas (-0,90 hora; P < 0,001) | JAMA Network Open, Olson et al. 2025 |
Nota sobre o valor atípico: o resultado fora do horário do ensaio de Wisconsin deixou de ser significativo (-0,19 hora, IC de 95%, -0,40 a 0,03) quando os 3% de observações mais altas foram excluídos, de modo que poucos profissionais com muito trabalho noturno responderam pela maior parte do efeito.
3. Burnout, Carga Cognitiva e Exaustão no Trabalho
O burnout é o resultado em que os escribas ambientes parecem mais fortes, e ele se move mais rápido do que qualquer métrica de tempo. No estudo de Olson com seis sistemas, a prevalência de burnout caiu 13,1 pontos percentuais em 30 dias (de 51,9% para 38,8%; aOR 0,26, IC de 95%, 0,13 a 0,54; P < 0,001), enquanto a carga cognitiva relacionada às notas caiu de 7,10 para 4,46 em uma escala de 10 pontos. Uma leitura plausível é que o alívio vem menos dos minutos poupados do que de não precisar digitar enquanto se escuta, o que explicaria por que o burnout melhora mesmo onde o tempo medido em registros quase não muda.
A ressalva é o desenho. O estudo de Olson não teve grupo controle, e as pesquisas do Mass General Brigham e da Emory tiveram taxas de resposta entre 11% e 30%, de modo que os usuários mais satisfeitos podem estar sobrerrepresentados. Os ensaios randomizados também mostram melhora, mas menor: na UCLA, o índice composto de burnout Mini-Z melhorou menos de 3 pontos em uma escala de 10 a 50 para os dois escribas. Os médicos já esperam isso: 70% veem a IA como uma forma de automatizar tarefas que contribuem para o burnout (AMA, Physician Survey on Augmented Intelligence 2026).
| Métrica | Valor | Fonte |
|---|---|---|
| Clínicos que relatam burnout versus burnout grave, antes versus após 30 dias com o escriba (6 sistemas, 186 clínicos nos modelos de burnout) | Burnout 51,9% para 38,8%; burnout grave 18,4% para 12,2% (post hoc, P = 0,01) | JAMA Network Open, Olson et al. 2025 |
| Carga de tarefas cognitivas relacionadas às notas, escala de 10 pontos, antes versus depois | 7,10 para 4,46 (P < 0,001) | JAMA Network Open, Olson et al. 2025 |
| Profissionais acima do limiar alto de exaustão no trabalho, início versus fim do ensaio | 56,1% para 35,4% | NEJM AI, Afshar et al. 2025 |
| Índice composto de burnout Mini-Z (10 a 50), variação versus controle | DAX +2,83 (IC de 95%, +1,28 a +4,37); Nabla +2,69 (IC de 95%, +1,14 a +4,23) | NEJM AI, Lukac et al. 2025 |
| Clínicos da Emory que relatam efeito positivo da documentação sobre o bem-estar, variação absoluta aos 60 dias | +30,7 pontos percentuais (taxa de resposta da pesquisa de 11%) | Mass General Brigham, You et al. JAMA Network Open 2025 |
| Taxa de resposta da pesquisa do Mass General Brigham aos 42 dias versus aos 84 dias | Cerca de 30% versus 22% | Mass General Brigham, You et al. 2025 |
| Ganho de satisfação no trabalho na Hattiesburg Clinic: primeiro fornecedor de escriba versus segundo fornecedor | +17% versus +13% | AMA, relatório sobre usos de IA pelos médicos 2025 |
Contexto: a realização profissional no ensaio de Wisconsin subiu 0,14 ponto (P=0,04), o que os autores consideraram não significativo porque cada desfecho coprimário precisava atingir P < 0,025.
4. Adoção: Até Onde os Escribas Se Espalharam Dentro dos Sistemas de Saúde
Acesso não é uso. Em cinco grandes sistemas acadêmicos, apenas 21,1% de 8.581 clínicos ambulatoriais haviam adotado um escriba de IA, de 7,1% no Mass General Brigham a 63,6% no Yale New Haven Health, e apenas cerca de 32% dos adotantes o usavam em metade ou mais das notas. O quadro das pesquisas nacionais é consistente: a documentação é um dos principais usos de IA, mas menos de um terço dos médicos usa IA para notas de consulta.
Onde a adesão é alta, ela é habitual. Entre 102 médicos de clínica de adultos e medicina de família da Permanente pesquisados, dois terços usavam o escriba 5 ou mais dias por semana e 63% o usavam em todas as consultas presenciais (The Permanente Medical Group, NEJM Catalyst 2025). A diferença de adoção entre os sistemas tem, portanto, menos a ver com os médicos gostarem da ferramenta e mais com a forma como cada organização a implanta: em 4 dos 5 sistemas acadêmicos, os adotantes aderiram por conta própria, e o momento da implantação variou de junho de 2023 a agosto de 2025.
| Métrica | Valor | Fonte |
|---|---|---|
| Médicos dos EUA que usam IA para documentar códigos de cobrança, prontuários ou notas de consulta | 28% (pesquisa com quase 1.700 médicos) | AMA, Physician Survey on Augmented Intelligence 2026 |
| Médicos dos EUA que usam IA para criar orientações de alta, planos de cuidado ou notas de evolução | 30% | AMA, Physician Survey on Augmented Intelligence 2026 |
| Clínicos que adotaram um escriba de IA em 5 sistemas acadêmicos, no geral e na unidade mais baixa versus mais alta | 21,1% (1.809 de 8.581); 7,1% no Mass General Brigham versus 63,6% no Yale New Haven Health | JAMA, estudo multicêntrico 2026 |
| Adotantes que usam o escriba em 50% ou mais das notas | Cerca de 32% (577 adotantes) | JAMA, estudo multicêntrico 2026 |
| Clínicos da Providence que eram usuários ativos de IA ambiente, janeiro de 2024 versus março de 2025 | 0,1% para 28,8% | JAMA Network Open, Husa et al. 2026 |
| Médicos da UCSF que adotaram um escriba versus parcela dos atendimentos que conduziram com ele | 44,6% de 1.565 médicos versus 15,2% dos atendimentos | JAMA Network Open, UCSF 2026 |
| Médicos da Permanente que adotaram o escriba nas primeiras 10 semanas de uma implantação em 2023 | 3.442 dos 10.000 convidados, em 303.266 atendimentos | AMA, relatório sobre o piloto da Permanente 2024 |
Contexto: na Providence, os usuários ativos representaram apenas cerca de 8% de todos os clínicos ao longo de toda a janela do estudo, um lembrete de que uma “implantação” em todo o sistema pode coexistir com uma penetração média baixa.
5. Produtividade, Cobrança e a Questão do Retorno sobre o Investimento
O argumento financeiro é real, mas pequeno. Os adotantes da UCSF geraram 1,81 unidade de valor relativo a mais (RVUs, a unidade do Medicare que mede o trabalho médico faturável) por semana, o que os autores traduziram em cerca de US$ 3.044 por médico por ano às tarifas do Medicare de 2025, sem diferença nas glosas de cobrança (JAMA Network Open, UCSF 2026). São estimativas de receita bruta, não um retorno sobre o investimento medido.
O sinal de cobrança merece escrutínio. Parte do ganho em RVUs pode ser uma melhor captura de trabalho que sempre foi feito, e parte pode ser intensidade de codificação. Uma validação da KLAS de um fornecedor mostrou que os códigos de consulta de paciente estabelecido de nível 3 caíram 18,2%, enquanto os de nível 4 subiram 7,3% e os de nível 5 subiram 5,0% na McLeod Health, e os autores da UCSF alertam explicitamente que trabalhos futuros precisam separar a codificação precisa do upcoding (codificação em nível acima do real).
| Métrica | Valor | Fonte |
|---|---|---|
| RVUs por semana, adotantes do escriba versus não adotantes (UCSF, 1,2 milhão de atendimentos) | +1,81 (IC de 95%, 0,86 a 2,75; P < 0,001) | JAMA Network Open, UCSF 2026 |
| Atendimentos de pacientes por semana, adotantes versus não adotantes (UCSF) | +0,80 (IC de 95%, 0,05 a 1,56; P = 0,04) | JAMA Network Open, UCSF 2026 |
| Consultas semanais adicionais e receita mensal exploratória de avaliação e manejo por clínico adotante (5 sistemas acadêmicos) | +0,49 consulta (IC de 95%, 0,17 a 0,81), um aumento de 1,7%; US$ 167,37 por mês (IC de 95%, US$ 86,52 a US$ 248,21) | JAMA, estudo multicêntrico 2026 |
| Mediana de RVUs, antes versus depois da adoção (Providence) | 382,3 para 399,1 (P < 0,001); sem mudança significativa nas consultas por dia | JAMA Network Open, Husa et al. 2026 |
| RVUs de trabalho no dia 150 versus antes da adoção (atenção primária) | +2% (IRR 1,02) | preprint do medRxiv, Washington University 2026 |
| Pontuação de conformidade da codificação diagnóstica (CID-10), de 0 a 10: notas de IA ambiente versus notas escritas por humanos | 6,87 versus 5,94 (P<0,001) | NEJM AI, Afshar et al. 2025 |
| Tempo nas notas e ganho líquido mensal por profissional na McLeod Health (validação específica do fornecedor Suki) | -26,8% de tempo nas notas; ganho líquido de US$ 1.004 por profissional por mês; códigos de consulta de paciente estabelecido de nível 3 -18,2% | KLAS Research, Suki ROI Validations 2026 (relatório específico do fornecedor, via HIT Consultant) |
Contexto: os números da KLAS descrevem clientes de um único fornecedor e não são um parâmetro da categoria; a FMOL Health, no mesmo relatório, registrou uma redução de 21% no tempo nas notas.
6. Precisão das Notas, Erros e a Carga de Edição
A auditoria mais detalhada do mundo real até agora vem da UC Davis, onde os revisores leram 356 de 7.545 notas redigidas por IA. Houve omissões em 18% das notas revisadas e alucinações (conteúdo que a IA escreveu e que não foi dito na consulta) em 11,5%, enquanto 5,3% continham erros classificados como de risco grave ou iminente (JMIR Medical Informatics, UC Davis 2026). Em outras palavras, 19 dos 356 rascunhos amostrados precisaram de uma correção relevante para a segurança, razão pela qual os autores concluem que a revisão pelo clínico continua necessária.
As taxas de erro dependem muito de quem conta e de como. Uma auditoria em preprint de agosto de 2026 com três escribas comerciais encontrou uma falha verificada em 31,3% das notas, mas também mostrou que entre 28% e 97% das notas amostradas continham uma falha, conforme o padrão de revisão usado (preprint do arXiv 2026). Resultados anteriores e mais favoráveis vieram do piloto da Permanente de 2024, que avaliou 35 transcrições com média de 48 em 50 em precisão e medidas relacionadas, e do ensaio de Wisconsin, que encontrou linguagem estigmatizante em menos de 1% das notas (12 notas). A camada de transcrição por baixo dessas notas tem suas próprias lacunas de precisão conforme o falante, abordadas em nossas estatísticas de viés de sotaque no reconhecimento de fala.
| Métrica | Valor | Fonte |
|---|---|---|
| Notas redigidas por IA revisadas com omissões acidentais (UC Davis, 356 notas) | 18% (64 notas) | JMIR Medical Informatics, UC Davis 2026 |
| Notas revisadas com conteúdo alucinado | 11,5% (41 notas) | JMIR Medical Informatics, UC Davis 2026 |
| Notas revisadas com inclusões acidentais versus com viés | 9,3% (33 notas) versus 1,1% (4 notas) | JMIR Medical Informatics, UC Davis 2026 |
| Notas revisadas com erros classificados como de risco grave ou iminente (gravidade 4 a 5) | 5,3% (19 notas) | JMIR Medical Informatics, UC Davis 2026 |
| Mediana da parcela de palavras geradas por IA alteradas pelos médicos versus notas deixadas sem edição | 9,0% versus 14,9% (143 de 960) | JMIR Medical Informatics, UC Davis 2026 |
| Qualidade geral da nota na escala PDQI-9, atendimentos simulados de especialistas (VA, 2 produtos) | 36,2 de 50; completude como item mais baixo, com 3,4 de 5 | JAMA Network Open, estudo de simulação da VA 2026 |
| Notas com pelo menos uma falha verificada, 3 escribas comerciais, 142 consultas (preprint) | 31,3% [27,0; 35,6] | preprint do arXiv 2026 |
| Frequência de imprecisões clinicamente significativas avaliada pelos médicos, escala de 5 pontos (2 = raramente, 3 = ocasionalmente) | DAX 2,7; Nabla 2,8; um evento adverso leve no ensaio | NEJM AI, Lukac et al. 2025 |
Contexto: o estudo da VA nomeou os tipos de erro que os clínicos mais temiam, incluindo achados de exame físico inventados e negativas pertinentes omitidas, e um participante de hematologia-oncologia os chamou de “grandes problemas de segurança”.
7. Aceitação dos Pacientes e Consentimento
Dentro das clínicas dos EUA, os pacientes raramente dizem não. No ensaio de Wisconsin, 99,92% dos pacientes consentiram na gravação ambiente, com apenas 22 recusas (NEJM AI, Afshar et al. 2025). As pesquisas públicas contam uma história mais cautelosa, e a diferença tem a ver sobretudo com informação: o conforto cai quando os pacientes descobrem para onde vai o áudio e quais empresas estão envolvidas.
O estudo de consentimento da NYU mostra o efeito diretamente. O consentimento foi de 81,6% após informações básicas sobre a tecnologia, mas de 55,3% após uma explicação detalhada dos recursos de IA, do armazenamento de dados e do envolvimento corporativo (JAMA Network Open, NYU Langone 2025). No Reino Unido, o conforto cai de 48% em um check-up de rotina para 23% em uma consulta sobre violência doméstica (Healthwatch England 2026). As conversas de consentimento em ambientes multilíngues acrescentam mais uma camada, abordada em nossas estatísticas de intérpretes médicos hospitalares.
| Métrica | Valor | Fonte |
|---|---|---|
| Pacientes do piloto da NYU confortáveis com a documentação ambiente no início (103 pacientes) | 74,8% (77 pacientes) | JAMA Network Open, NYU Langone 2025 |
| Pacientes do piloto da NYU que consentiriam após informações básicas versus após divulgação detalhada dos recursos de IA, do armazenamento de dados e do envolvimento corporativo | 81,6% (84) versus 55,3% (57) | JAMA Network Open, NYU Langone 2025 |
| Pacientes do piloto da NYU que não queriam seus dados compartilhados com o fornecedor | 59,2% (61 pacientes) | JAMA Network Open, NYU Langone 2025 |
| Adultos canadenses relutantes quanto ao uso futuro de escribas de IA versus cientes de que escribas de IA são usados (12.153 adultos) | 61,8% versus 28,3% | JAMIA, Chandrasekaran e Moustakas 2026 |
| Adultos do Reino Unido que querem que os clínicos peçam consentimento antes de usar um escriba de IA (4.039 adultos) | 81% | Healthwatch England, pesquisa YouGov 2026 |
| Adultos do Reino Unido com consulta recente que não sabiam que um escriba de IA estava sendo usado | Quase 90% de 2.795 | Healthwatch England, pesquisa YouGov 2026 |
| Adultos do Reino Unido um pouco ou muito confortáveis com um escriba de IA: check-up de saúde de rotina versus consulta sobre violência doméstica | 48% versus 23% | Healthwatch England, pesquisa YouGov 2026 |
| Pacientes da Permanente confortáveis versus desconfortáveis com o escriba (118 pacientes) | Dois terços versus 8% (26% neutros) | The Permanente Medical Group, NEJM Catalyst 2025 |
Contexto: o apoio no Reino Unido a uma implantação em todo o NHS está dividido quase igualmente, com 38% a favor e 37% contra, e a oposição forte (21%) é quase o dobro do apoio forte (11%).
Resumo: Escriba Médico de IA Ambiente em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Burnout antes versus após 30 dias de uso do escriba (6 sistemas) | 51,9% para 38,8% | JAMA Network Open, Olson et al. 2025 |
| Profissionais acima do limiar alto de exaustão no trabalho, início versus fim do ensaio | 56,1% para 35,4% | NEJM AI, Afshar et al. 2025 |
| Tempo de documentação por 8 horas de pacientes agendados, adotantes versus não adotantes | -16,0 minutos (cerca de -10%) | JAMA, estudo multicêntrico 2026 |
| Variação do tempo médio por nota: braço Nabla versus controle (randomizado) | -41 segundos versus -18 segundos | NEJM AI, Lukac et al. 2025 |
| Trabalho fora do horário por dia, Penn Medicine | 50,6 para 35,4 minutos | JAMA Network Open, Duggan et al. 2025 |
| Pajama time no dia 150, atenção primária (preprint) | -19% | preprint do medRxiv, Washington University 2026 |
| Clínicos que adotaram um escriba em 5 sistemas acadêmicos | 21,1% | JAMA, estudo multicêntrico 2026 |
| Usuários ativos de IA ambiente na Providence, jan. de 2024 versus mar. de 2025 | 0,1% para 28,8% | JAMA Network Open, Husa et al. 2026 |
| Médicos que usam IA para códigos de cobrança, prontuários ou notas de consulta | 28% | AMA, Physician Survey on Augmented Intelligence 2026 |
| RVUs por semana, adotantes versus não adotantes (UCSF) | +1,81 | JAMA Network Open, UCSF 2026 |
| Receita adicional estimada por médico por ano (UCSF) | Cerca de US$ 3.044 | JAMA Network Open, UCSF 2026 |
| Notas de IA revisadas com omissões / alucinações / erros de risco grave ou iminente | 18% / 11,5% / 5,3% | JMIR Medical Informatics, UC Davis 2026 |
| Notas com uma falha verificada, 3 escribas comerciais (preprint) | 31,3% | preprint do arXiv 2026 |
| Consentimento do paciente para a gravação ambiente (ensaio nos EUA) | 99,92% | NEJM AI, Afshar et al. 2025 |
| Consentimento do paciente após divulgação detalhada versus básica (NYU) | 55,3% versus 81,6% | JAMA Network Open, NYU Langone 2025 |
| Adultos canadenses relutantes quanto ao uso futuro de escribas de IA | 61,8% | JAMIA 2026 |
| Adultos do Reino Unido que querem ser consultados sobre consentimento | 81% | Healthwatch England 2026 |
Metodologia e Fontes
Priorizamos ensaios randomizados e estudos revisados por pares de sistemas de saúde, usamos comunicados de imprensa apenas quando resumiam um artigo identificado e rotulamos como tal os preprints e os relatórios específicos de fornecedores. Nenhum número deste levantamento vem de dados do VoxBooster.
- NEJM AI, Lukac et al. 2025, escribas de IA ambiente na prática clínica: um ensaio randomizado (UCLA), com o comunicado da UCLA Health
- NEJM AI, Afshar et al. 2025, um ensaio clínico randomizado pragmático de IA ambiente para melhorar o bem-estar dos profissionais de saúde (University of Wisconsin)
- JAMA 2026, mudanças no tempo gasto pelos clínicos e no volume de consultas com a adoção de escribas com IA: um estudo multicêntrico
- JAMA Network Open, Olson et al. 2025, uso de escribas de IA ambiente para reduzir a carga administrativa e o burnout profissional
- JAMA Network Open, Duggan et al. 2025, experiências dos clínicos com a tecnologia de escriba ambiente (Penn Medicine)
- JAMA Network Open, Husa et al. 2026, uso de IA ambiente e carga de documentação, produtividade e eficiência dos clínicos (Providence)
- JAMA Network Open 2026, escribas de IA ambiente e produtividade financeira dos médicos (UCSF)
- preprint do medRxiv 2026, efeitos longitudinais do uso de escriba de IA ambiente na atenção primária (Washington University), sem revisão por pares
- The Permanente Medical Group, revisão de um ano no NEJM Catalyst 2025, resumida pela Divisão de Pesquisa da Kaiser Permanente
- AMA, Physician Survey on Augmented Intelligence 2026
- AMA, relatório sobre os usos de IA pelos médicos e o piloto da Hattiesburg Clinic 2025
- AMA, relatório sobre o piloto de 10 semanas da Permanente 2024
- Mass General Brigham, comunicado sobre You et al. JAMA Network Open 2025 (Mass General Brigham e Emory)
- JMIR Medical Informatics 2026, qualidade das notas clínicas criadas por IA generativa de escuta ambiente (UC Davis)
- JAMA Network Open 2026, tecnologia de escriba ambiente em atendimentos simulados de pacientes em várias especialidades (Veterans Health Administration)
- preprint do arXiv 2026, uma nota em três: um censo verificado de três escribas de IA em uso, sem revisão por pares
- JAMA Network Open 2025, consentimento informado para documentação ambiente com IA generativa na atenção ambulatorial (NYU Langone)
- JAMIA 2026, atitudes dos pacientes em relação aos escribas de IA ambiente no cuidado clínico (pesquisa no Canadá)
- Healthwatch England 2026, o que o público pensa sobre o uso de escribas de IA na saúde (pesquisa YouGov)
- KLAS Research, Suki ROI Validations 2026, relatório específico de um fornecedor conforme noticiado pelo HIT Consultant
- Nota sobre os dados: a maioria dos tamanhos de efeito aqui vem de desenhos pré-pós não randomizados ou observacionais com adotantes autosselecionados, de modo que são associações, não prova de causa; apenas os ensaios da UCLA e de Wisconsin são randomizados. O artigo da Penn relata uma redução de 30,0% no trabalho fora do horário em seu resumo, mas -16,9% em sua Tabela 2, e o resumo diz “por dia útil” onde a tabela diz “por dia agendado”. O estudo de Olson converte sua variação semanal fora do horário em 10,8 minutos por dia útil, uma estimativa derivada, e vários de seus autores têm vínculos com o fornecedor cujo escriba foi estudado. O artigo de simulação da VA apresenta a pontuação de neurologia como 42,2 no texto e 41,2 em sua tabela. As pesquisas de burnout no Mass General Brigham e na Emory tiveram taxas de resposta de 11% a 30%. Os estudos da Washington University e do arXiv são preprints e podem mudar antes da revisão por pares, e os números da KLAS descrevem clientes de um único fornecedor. Os números da pesquisa com médicos da Permanente (102 respondentes) e da pesquisa com pacientes (118 respondentes) são amostras pequenas de um único grupo médico. A próxima pesquisa da AMA sobre inteligência aumentada e o acompanhamento mais longo da coorte de cinco sistemas do JAMA, cujas estimativas mais robustas chegam a apenas cerca de 5 meses após a adoção, são os novos dados mais importantes esperados.
Última atualização: 24 de outubro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão é esperada quando a AMA publicar sua Physician Survey on Augmented Intelligence de 2027.