Professora Associada, Diretora de Simulação
Universidade de Minnesota
Se você atua na educação em enfermagem, sabe que o julgamento clínico continua sendo uma das competências mais críticas na formação em enfermagem. E também sabe que ela é uma das mais difíceis de ensinar e avaliar de forma consistente.
Na Conferência Simulation User Network (SUN) de 2026, Cynthia Bradley, PhD, RN, CNE, CHSE, ANEF, Professora Associada e Diretora de Simulação na Escola de Enfermagem da Universidade de Minnesota, compartilhou como a realidade virtual imersiva na educação em enfermagem (IVR) e a inteligência artificial (IA) podem ajudar educadores de enfermagem a compreender melhor e apoiar o desenvolvimento do julgamento clínico.
Neste artigo, apresentamos um resumo da sessão da Dra. Bradley no SUN, “Julgamento Clínico, RV e IA: Uma Tríade Vencedora.”
A Dra. Bradley fundamentou sua sessão em um desafio que os educadores de enfermagem conhecem bem. O julgamento clínico é essencial para uma prática segura e está diretamente ligado aos desfechos dos pacientes, mas é profundamente complexo. Mesmo quando os estudantes aprendem etapas, protocolos e processos, “eles ainda precisam desenvolver esse raciocínio e esse componente do pensamento”, observou a Dra. Bradley.
“O julgamento clínico é uma das coisas mais difíceis que estamos tentando ensinar”, disse ela. “É muito difícil de medir.”
As experiências clínicas tradicionais variam amplamente. Mesmo estudantes alocados na mesma unidade encontram pacientes e oportunidades de aprendizagem diferentes. A avaliação depende muito da observação do corpo docente, o que pode ser subjetivo e inconsistente.
A simulação ajuda a lidar com a variabilidade nas experiências clínicas, mas a Dra. Bradley enfatizou que a realidade virtual imersiva (IVR) na educação em enfermagem leva a padronização ainda mais longe. Na IVR, cada aluno encontra o mesmo ambiente, os mesmos estímulos e os mesmos pontos de decisão.
A IVR também transfere a avaliação para além da interpretação exclusiva do corpo docente. “A IVR remove toda essa subjetividade — porque, no fim das contas, é um programa de computador”, disse ela.
Antes de plataformas de IVR como o vrClinicals for Nursing, os educadores tinham uma visão limitada do que os alunos estavam realmente fazendo durante o atendimento simulado ao paciente. “Se não conseguimos realmente entender o que eles estão fazendo, não temos ideia de como ajudá-los a melhorar”, disse ela.
Ambientes de IVR geram uma enorme quantidade de dados do aluno. A Dra. Bradley se referiu a esses dados como telemetria de IVR. Isso inclui ações tomadas, tempo, sequência, omissões e respostas às mudanças nas condições do paciente.
“Podemos ver suas ações, vemos o tempo do que eles fizeram, a sequência dos eventos,” ela disse. “Vemos o que eles não fazem. Às vezes, isso também é muito importante saber.”
Em plataformas como vrClinicals for Nursing, os educadores podem examinar como os alunos avaliam pacientes, navegam por protocolos e ordens e se preparam para escalar o cuidado.
“Eles estão entrando em contato com o profissional prescritor?” ela perguntou. “Eles têm os dados de que precisam para fazer essa ligação ou precisam voltar e reavaliar?”
Ela destacou especificamente o valor dos ambientes com vários pacientes. “Podemos observar os padrões de priorização,” explicou. “Como eles lidam com interrupções?”
Ao capturar esses padrões por meio da telemetria de IVR, plataformas como o vrClinicals oferecem aos educadores evidências objetivas de como os alunos reconhecem sinais, priorizam o cuidado, respondem a interrupções e gerenciam demandas concorrentes.
“Temos uma aluna que disse: ‘Consegui responder a algumas perguntas do NCLEX por causa do George [do cenário em VR],’” compartilhou ela. Exemplos como esse ilustram como plataformas como o vrClinicals promovem uma compreensão mais profunda e a aplicação do conhecimento.
Para transformar dados de telemetria em insights, a Dra. Bradley ressaltou a importância de uma estrutura compartilhada. Ela usa o Clinical Judgment Measurement Model para interpretar o comportamento do aluno ao reconhecer pistas, analisar informações, priorizar hipóteses, tomar medidas e avaliar resultados.
“A telemetria não se interpreta sozinha,” explicou a Dra. Bradley. “Precisamos de uma lente compartilhada.”
Para cada cenário de IVR, os educadores devem determinar quais comportamentos demonstram julgamento naquele contexto. O aluno reavaliou após uma intervenção? Escalou adequadamente? Repriorizou o cuidado quando as condições mudaram?
Usando essa abordagem, a Dra. Bradley identificou um padrão entre alunos com dificuldades. “Eles simplesmente continuam reavaliando e reavaliando,” disse ela. “Nunca tomam uma atitude.”
Como o vrClinicals registra o tempo e a sequência, esses padrões se tornam visíveis e passíveis de discussão no debriefing, com ações e interrupções do cenário projetadas com base no Clinical Judgment Measurement Model.
A IA desempenha um papel de apoio ao ajudar os educadores a organizar e interpretar grandes volumes de dados de telemetria gerados por plataformas de VR imersivas, como o vrClinicals.
Mas a IA não substitui os educadores de enfermagem. “A IA nunca substituirá o pensamento de enfermagem”, observou a Dra. Bradley. Ela enfatizou que o julgamento do educador deve permanecer central.
Quando usada “com salvaguardas”, a IA ajuda os educadores a avançarem mais rapidamente da evidência para a ação. “Quero saber hoje: como meus alunos se saíram?”, disse a Dra. Bradley. “Não no próximo semestre, não no próximo ano, mas esta turma hoje.”
A análise apoiada por IA pode revelar lacunas em nível de turma, como atrasos na escalada, verificações de segurança perdidas ou dificuldade em avaliar resultados. Esses insights permitem que os educadores ajustem o debriefing, a remediação e até o currículo em tempo quase real.
“Isso [a análise] muda a forma como vou conduzir o debriefing da próxima vez que fizer este cenário? Talvez informe como preciso ajustar seus materiais de preparação ou algo que eles precisam receber antes de fazer este VR da próxima vez?”, explicou ela.
“Talvez seja apenas incorporar isso ao nosso currículo, onde precisamos repetir algo”, acrescenta. “A educação baseada em competências não é algo de uma vez só. Queremos que eles demonstrem competência novamente.”
A Dra. Bradley incentivou os educadores a abordar a VR imersiva de forma cuidadosa.
“Aqui vai meu melhor conselho: comece devagar e com cautela”, aconselhou ela. Ela recomendou começar com uma disciplina e um cenário, e investir em uma orientação completa tanto para o hardware quanto para o software.
Uma implementação ruim pode resultar em frustração do corpo docente e redução da confiança dos alunos, alertou ela. “É muito difícil desfazer isso”, disse. “Então comece muito devagar … e tenha pessoas que defendam todo o processo.”
A Dra. Bradley encerrou a sessão voltando ao propósito. O julgamento clínico continua sendo o objetivo. Plataformas de VR imersivas, como a vrClinicals for Nursing, oferecem o ambiente que gera evidências ricas e objetivas do desempenho do aluno. A IA ajuda os educadores a interpretar essas evidências de forma responsável.
Juntos, o julgamento clínico, a VR imersiva e a IA formam uma trinca poderosa que apoia uma melhor avaliação, decisões de ensino mais assertivas e resultados de aprendizagem aprimorados para educadores de enfermagem e seus alunos.
