DOI: 10.55905/rdelosv19.

n76-158
ISSN: 1988-5245

Originals received: 12/26/2025

Acceptance for publication: 1/22/2026

Adesão dos indivíduos ao uso de aplicativos de saúde e/ou tecnologias

baseadas em inteligência artificial para o monitoramento de doenças
crônicas não transmissíveis: uma revisão de escopo

Adherence of individuals to the use of health applications and/or artificial

intelligence-based technologies for monitoring chronic noncommunicable
diseases: a scope review

Adhesión de las personas al uso de aplicaciones de salud y/o tecnologías

basadas en inteligencia artificial para el seguimiento de enfermedades
crónicas no transmisibles: una revisión del alcance

Hitallo Henrique Ribeiro Queiroz

Graduando em Enfermagem
Instituição: Universidade Federal de Catalão
Endereço: Catalão – Goiás, Brasil
E-mail: hhrqhitallo@[Link]

Alexandre de Assis Bueno

Doutor em Ciências
Instituição: Universidade Federal de Catalão
Endereço: Catalão – Goiás, Brasil
E-mail: alexissbueno@[Link]

Luiz Almeida da Silva

Doutor em Ciências
Instituição: Escola de Enfermagem de Ribeirão Preto, Universidade de São Paulo
Endereço: Catalão – Goiás, Brasil
E-mail: enfer_luiz@[Link]

Catarina Magalhães Alves

Doutora em Ciências de Enfermagem
Instituição: Instituto de Ciências Biomédicas Abel Salazar, Universidade do Porto
Endereço: Porto – Portugal
E-mail: [Link]@[Link]

Blanca Espina Jerez

Doutora em Ciências da Saúde
Instituição: Fundação San Juan de Dios, Universidade Pontifícia Comillas
Endereço: Madri – Espanha
E-mail: bespina@[Link]

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 1

jan. 2021
 David Lucas Circuncizão Sousa
Graduando em Medicina
Instituição: Universidade Federal de Catalão
Endereço: Catalão – Goiás, Brasil
E-mail: david_sousa@[Link]

Sofia da Costa Prudente Guimarães

Graduanda em Psicologia
Instituição: Universidade Federal de Catalão
Endereço: Catalão – Goiás, Brasil
E-mail: sofiapguimaraes@[Link]

Renata Alessandra Evangelista

Doutora em Enfermagem
Instituição: Escola de Enfermagem de Ribeirão Preto, Universidade de São Paulo
Endereço: Catalão – Goiás, Brasil
E-mail: renata_evangelista@[Link]

RESUMO
As Doenças Crônicas Não Transmissíveis (DCNTs) representam um dos maiores desafios para
a saúde pública global, demandando estratégias inovadoras que ampliem o monitoramento, a
prevenção e o manejo contínuo dessas condições. Nesse cenário, tecnologias digitais como
aplicativos de saúde e sistemas baseados em Inteligência Artificial (IA) têm se destacado por
favorecerem o acompanhamento remoto, o autocuidado e a adesão terapêutica. Entretanto, ainda
é necessário compreender de maneira abrangente como essas tecnologias vêm sendo aplicadas
junto às populações portadoras de DCNTs. Assim, esta revisão de escopo tem como objetivo
mapear e sintetizar as evidências relativas ao uso de aplicativos de saúde e/ou tecnologias
baseadas em Inteligência Artificial na monitorização, diagnóstico, prevenção e gestão das
Doenças Crônicas não Transmissíveis. O estudo seguirá a metodologia do Joanna Briggs Institute
(JBI). Espera-se identificar benefícios, desafios e barreiras relacionados à adesão a essas
tecnologias, além de evidenciar lacunas que orientem novas investigações e o desenvolvimento
de soluções digitais mais eficazes para o cuidado em saúde.

Palavras-chave: inteligência artificial, doenças crônicas não transmissíveis, tecnologias digitais,

aplicativos.

ABSTRACT
Chronic noncommunicable diseases (NCDs) represent one of the greatest challenges to global
public health, requiring innovative strategies that expand monitoring, prevention, and ongoing
management of these conditions. In this scenario, digital technologies such as health applications
and systems based on Artificial Intelligence (AI) have stood out for promoting remote
monitoring, self-care, and therapeutic adherence. However, it is still necessary to
comprehensively understand how these technologies are being applied to populations with
NCDs. Thus, this scoping review aims to map and synthesize the evidence related to the use of
health applications and/or Artificial Intelligence-based technologies in the monitoring, diagnosis,
prevention, and management of Chronic Noncommunicable Diseases. The study will follow the
methodology of the Joanna Briggs Institute (JBI). It is expected to identify benefits, challenges,

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 2

and barriers related to adherence to these technologies, in addition to highlighting gaps that will
guide new investigations and the development of more effective digital solutions for healthcare.

Keywords: artificial intelligence, chronic noncommunicable diseases, digital technologies,

applications.

RESUMEN
Las enfermedades crónicas no transmisibles (ECNT) representan uno de los mayores retos para
la salud pública mundial y exigen estrategias innovadoras que amplíen la vigilancia, la
prevención y el tratamiento continuo de estas afecciones. En este contexto, tanto las tecnologías
digitales, como las aplicaciones de salud y los sistemas basados en la inteligencia artificial (IA),
han destacado por favorecer el seguimiento remoto, el autocuidado y la adherencia terapéutica.
Sin embargo, aún es necesario comprender de manera integral cómo se están aplicando estas
tecnologías en las poblaciones con DCNT. Por lo tanto, esta revisión de alcance tiene como
objetivo mapear y sintetizar la evidencia relacionada con el uso de aplicaciones de salud y/o
tecnologías basadas en inteligencia artificial en el monitoreo, diagnóstico, prevención y gestión
de las enfermedades crónicas no transmisibles. El estudio seguirá la metodología del Joanna
Briggs Institute (JBI). Se espera identificar los beneficios, retos y barreras relacionados con la
adopción de estas tecnologías, además de poner de manifiesto las lagunas que orienten nuevas
investigaciones y el desarrollo de soluciones digitales más eficaces para la atención sanitaria.

Palabras clave: inteligencia artificial, enfermedades crónicas no transmisibles, tecnologías

digitales, aplicaciones.

1 INTRODUÇÃO

As Doenças Crônicas Não Transmissíveis (DCNTs), como diabetes mellitus, doenças

cardiovasculares, cânceres e doenças respiratórias crônicas, são as principais causas de morte no
mundo (Brasil, 2021). Em 2012, elas foram responsáveis por 38 milhões de mortes no mundo,
onde sua projeção será de 52 milhões para 2030, indicando aumento considerável de adultos
diagnosticados com DCNTs (WHO, 2022.
A incorporação de abordagens inovadoras no campo da saúde tem sido objeto de interesse
crescente, especialmente no que tange ao uso de tecnologias digitais como ferramentas de apoio
à prática profissional. Nesse contexto, o uso de aplicativos (apps) tem-se consolidado como um
dispositivo proeminente na mediação e disseminação de informações em saúde, favorecendo o
acesso rápido a conteúdos científicos, protocolos clínicos e sistemas de gestão. A sua ampla
adoção entre profissionais da área evidencia seu potencial enquanto recurso estratégico para
qualificação das práticas assistenciais e educativas (Chandran V. P. et al., 2022).

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 3

 Para efeitos desta revisão, considera-se aplicativo de saúde (app), qualquer solução digital
acessível por dispositivos móveis (smartphone ou tablet), webapps ou plataformas digitais, que
permitam a monitorização, o acompanhamento, a autogestão ou apoio à tomada de decisão, em
pessoas com DCNT (Iribarren, S. J. et al., 2021).
Entende-se por tecnologias baseadas em Inteligência Artificial os sistemas
computacionais que utilizam algoritmos de aprendizagem automática (machine learning),
aprendizagem profunda (deep learning), redes neuronais artificiais ou modelos preditivos para
apoiar o diagnóstico, estratificação de risco, monitorização ou tomada de decisão clínica em
indivíduos com DCNT (Topol, E. J, 2019).
Consideram-se aplicativos com IA aqueles nos quais a interface digital (app móvel,
webapp ou plataforma digital) incorpora algoritmos de IA para análise de dados, gerar
recomendações, predição clínica ou personalização de cuidados (Busnatu et al., 2022).
Uma análise abrangente desse cenário permite uma compreensão mais aprofundada das
implicações e do potencial da integração de tecnologias digitais na gestão das Doenças Crônicas
Não Transmissíveis (DCNT). Considerando que estas permanecem como um dos principais
desafios da saúde pública global (WHO, 2022), torna-se essencial investigar e implementar
estratégias inovadoras e eficazes que contribuam para a melhoria do monitoramento, da
prevenção e do cuidado contínuo desses agravos. O uso de tecnologias móveis, como aplicativos
de saúde e plataformas digitais de monitoramento, tem demonstrado potencial significativo na
promoção do autocuidado, no acompanhamento remoto e na adesão ao tratamento (Jat; Grønli.,
2023), representando um avanço relevante na gestão integrada e centrada no paciente.
Com o notório avanço das tecnologias digitais, a Inteligência Artificial (IA) tem-se
mostrado promissora no apoio ao diagnóstico, monitoramento, tratamento e prevenção dessas
doenças. De acordo com estudos recentes, com o uso de modelos de machine learning e deep
learning para predição de risco de hipertensão, diabetes, doenças cardiovasculares e doença renal
crônica, permite-se identificar precocemente indivíduos vulneráveis e estratificar pacientes por
nível de risco. No entanto, ainda é necessário mapear de forma abrangente como essas
tecnologias estão sendo aplicadas nesse contexto (Silva, 2023).
Além disso, através de tais tecnologias, torna-se possível identificar padrões que seriam
praticamente imperceptíveis ao olho humano ou mesmo a sistemas de análises convencionais, o
que as torna particularmente valiosas na detecção precoce de DCNTs (DeCaprio et al., 2020).

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 4

 Diante desse panorama, a investigação científica sobre DCNTs deve combinar descrições
epidemiológicas, avaliação de determinantes sociais e ambientais, e análise das efetividades de
intervenções de saúde pública e modelos de atenção. Estudos que integrem dados nacionais de
vigilância e literatura de intervenção, permitem construir recomendações precisas para políticas
públicas e práticas clínicas que reduzam a mortalidade associada às DCNTs.
Conforme pesquisas prévias a respeito de outras revisões que possam ter o mesmo
objetivo, encontrou-se duas publicações, onde (Rocha et al., 2024) se propõe em realizar uma
revisão bibliográfica integrativa sobre a eficácia da inteligência artificial para promover
melhorias no controle de saúde da população em relação às DCNT, já (Ferreria, G., 2021)
enfatiza sobre os métodos de desenvolvimento de aplicativos móveis para crianças e adolescentes
que vivem com doenças crônicas. Dessa forma, tais pesquisas evidenciam a relevância do tema,
mas não respondem o objetivo proposto nessa revisão.
Assim, esta revisão de escopo tem como propósito identificar, mapear e caracterizar de
forma abrangente as evidências científicas disponíveis acerca da utilização de tecnologias
baseadas em Inteligência Artificial no contexto das Doenças Crônicas Não Transmissíveis
(DCNTs). Busca-se compreender como essas ferramentas têm sido aplicadas no monitoramento,
prevenção, diagnóstico e manejo dessas condições, bem como analisar suas contribuições,
limitações e potencialidades para a qualificação do cuidado em saúde.
Ao reunir e organizar o conhecimento existente, esta revisão pretende oferecer uma visão
ampla do estado atual da pesquisa e identificar lacunas que possam orientar estudos futuros e o
desenvolvimento de soluções tecnológicas mais eficazes.

2 OBJETIVOS

Objetivo geral: Mapear e sintetizar as evidências relativas ao uso de aplicativos de saúde

e/ou tecnologias baseadas em Inteligência Artificial na monitorização, diagnóstico, prevenção e
gestão das Doenças Crônicas Não Transmissíveis.
Objetivos específicos:
• Identificar os tipos de aplicativos de saúde e de tecnologias, baseadas em Inteligência
Artificial, utilizados no cuidado de indivíduos com DCNT;
• Descrever como estas tecnologias têm sido aplicadas nos diferentes domínios do cuidado

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 5

 em saúde (monitorização, diagnóstico, prevenção e gestão clínica);
• Determinar a adesão, aceitabilidade e usabilidade reportadas pelos utilizadores das
tecnologias identificadas;
• Identificar benefícios, limitações, desafios e barreiras associados ao uso destas soluções
tecnológicas em pessoas com DCNT;
• Mapear lacunas de conhecimento e oportunidades de investigação futura no domínio das
tecnologias digitais e IA aplicadas às DCNT.

3 METODOLOGIA

A revisão de escopo será conduzida de acordo com a metodologia do Instituto Joanna

Briggs (JBI) proposta para scoping reviews (JBI, 2022).

3.1 QUESTÃO DA REVISÃO

De que forma a Inteligência Artificial tem sido utilizada como elemento de intervenção
junto aos portadores de DCNTs?
Para elaboração da questão de pesquisa, utilizamos o acrônimo PCC (População,
Conceito e Contexto).
• P (População): Indivíduos com DCNTs (ex: diabetes, hipertensão, doenças
cardiovasculares, câncer, doenças respiratórias crônicas);
• C (Conceito): adesão ao uso de (i) aplicações de saúde e/ou (ii) tecnologias baseadas em
IA para monitorização;
• C (Contexto): Ambientes clínicos, comunitários ou domiciliares.

3.2 CRITÉRIOS DE INCLUSÃO

• Tipos de estudos: Artigos originais, revisões sistemáticas, estudos observacionais, ensaios

clínicos, estudos qualitativos e mistos, relatórios técnicos. Idioma: Sem restrição de
idioma. Ano de publicação: últimos 15 anos - IA e apps são áreas bastante recentes;
estudos anteriores a 2010 serão pouco relevantes

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 6

 • População: Portadores de DCNTs;
• Intervenção: Aplicações de IA no contexto de DCNTs;
• Contexto: Ambientes clínicos, comunitários ou domiciliares;
• Artigos de acesso aberto gratuito.
Critérios de exclusão
• Publicações sem metodologia científica explícita, tais como editoriais, comentários, cartas
ao editor e opiniões;
• Estudos de desenvolvimento tecnológico ou algorítmico que não incluam qualquer
aplicação, validação ou utilização no contexto da saúde ou das Doenças Crónicas Não
Transmissíveis;
• Estudos exclusivamente teóricos ou conceptuais sobre Inteligência Artificial ou tecnologias
digitais, sem ligação a aplicações práticas no cuidado, monitorização ou gestão clínica de
DCNT;
• Estudos em que a tecnologia não seja dirigida ao utilizador final (pessoa com DCNT),
nomeadamente sistemas exclusivamente administrativos ou de gestão institucional;
• Publicações duplicadas, mantendo-se apenas a versão mais completa do estudo.

3.3 FONTES DE INFORMAÇÃO

A busca será realizada nas seguintes bases de dados:

• PubMed/MEDLINE
• Scopus
• Web of Science
• CINAHL

3.4 ESTRATÉGIA DE BUSCA

Foi realizada uma busca previa exploratória na plataforma PubMed com o objetivo de
apoiar a estratégia de busca da revisão de escopo, recorrendo a descritores controlados e termos
livres, relacionados com Inteligência Artificial, aplicativos de saúde e Doenças Crónicas Não
Transmissíveis. A equação preliminar utilizada incluiu os termos: ("Artificial

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 7

Intelligence"[Mesh] OR "Machine Learning" OR "Deep Learning" OR "Neural Networks")
AND ("Chronic Disease"[Mesh] OR "Non-communicable Diseases" OR "Hypertension" OR
"Diabetes Mellitus" OR "Cardiovascular Diseases" OR "Chronic Respiratory Disease" OR
"Cancer"). A estratégia de busca será adaptada para cada base.

Tabela 1 - Busca prévia de evidências

Base de dados PCC (Mesh) Equação Booleana Número de
evidências
PubMed Chronic Non-("Artificial Intelligence"[Mesh] OR 157
Communicable Disease "Machine Learning"[Mesh] OR "Deep
/ Artificial intelligence Learning"[Mesh] OR "Neural
Networks"[Mesh]) AND ("Chronic
Disease"[Mesh] OR "Non-
communicable Diseases" OR
"Hypertension" OR "Diabetes
Mellitus" OR "Cardiovascular
Diseases" OR "Chronic Respiratory
Disease" OR "Cancer")
Fonte: Elaborado pelos autores

3.5 SELEÇÃO DE ESTUDOS

Após a realização da pesquisa, todas as citações identificadas serão agrupadas e

carregadas na plataforma Qatar Computing Research Institute - Rayyan QCRI (Ouzzani, 2017),
que será utilizada como ferramenta de apoio à organização e seleção dos estudos, assegurando o
rigor metodológico do processo. A seleção dos estudos será realizada por dois revisores
independentes, numa primeira fase através da leitura de títulos e resumos e, posteriormente, pela
análise do texto integral dos estudos potencialmente elegíveis.
As razões para a exclusão de estudos na fase de leitura do texto integral serão registadas
e relatadas na revisão de escopo. Quaisquer divergências que possam surgir entre os revisores
em cada etapa do processo de seleção dos estudos serão resolvidas por consenso ou recorrendo a
um terceiro revisor.
Os resultados da pesquisa serão relatados na íntegra na revisão e apresentados em um
formato de diagrama de fluxo de Itens de Relatórios Preferidos para Revisões Sistemáticas e
Meta-Análises (PRISMA-ScR (Preferred Reporting Items for Systematic reviews and Meta-
Analyses – Scoping Reviews)).

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 8

3.6 EXTRAÇÃO DE DADOS

Os dados serão extraídos dos artigos incluídos na revisão de escopo por dois revisores
independentes, usando uma ferramenta de extração de dados desenvolvida pelos revisores, que
será previamente testada e ajustada, caso seja necessário. A extração de dados terá como base os
elementos do PCC (População, Conceito e Contexto) e os objetivos da revisão.
Os dados extraídos incluirão, entre outros, os seguintes elementos: autor(es), ano de
publicação, país de realização do estudo, tipo de estudo, caraterísticas da população, tipo de
DCNT abordada, tipo de tecnologia utilizada (aplicativo de saúde, tecnologia baseada em
Inteligência Artificial ou aplicativos com IA), , finalidade da tecnologia (monitorização,
diagnóstico, prevenção ou gestão clínica), medidas relacionadas com a utilização e adesão às
tecnologias (quando reportadas), principais resultados e benefícios identificados, bem como
desafios, limitações e barreiras descritas pelos autores.

3.7 SÍNTESE E APRESENTAÇÃO DOS DADOS

Os dados serão sintetizados e apresentados de forma descritiva, recorrendo a tabelas e

representações gráficas, de modo a mapear a extensão, natureza e características da evidência
disponível. Será realizada uma análise temática dos estudos incluídos, com vista a agrupar e
organizar as tecnologias identificadas de acordo com a sua finalidade de aplicação
(monitorização, diagnóstico, prevenção e gestão clínica das Doenças Crónicas Não
Transmissíveis).Adicionalmente, estão previstas sub-análises por categoria tecnológica,
distinguindo-se: (a) aplicativos de saúde sem incorporação de Inteligência Artificial; (b)
aplicativos de saúde que integrem tecnologias baseadas em Inteligência Artificial; e (c) sistemas
de Inteligência Artificial não baseados em aplicativos. Sempre que reportado nos estudos, serão
extraídos e analisados indicadores relacionados com a utilização e adesão às tecnologias, tais
como taxas de utilização, abandono, níveis de envolvimento, aceitabilidade e medidas de
usabilidade.
Os resultados serão apresentados de forma narrativa e visual, permitindo identificar
padrões, tendências, lacunas de conhecimento e áreas prioritárias para investigação futura.

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 9

4 RESULTADOS ESPERADOS

Espera-se que a revisão de escopo identifique e mapeie as principais evidências científicas

relativas à adesão de indivíduos com doenças crônicas não transmissíveis ao uso de aplicativos
de saúde e de tecnologias baseadas em Inteligência Artificial (IA) para a monitorização,
prevenção, diagnóstico e gestão clínica destas condições. Prevê-se, então, a identificação de
fatores associados à utilização e adesão às tecnologias, incluindo aspetos relacionados com a
usabilidade, aceitabilidade e acessibilidade das plataformas, bem como barreiras reportadas,
incluindo limitações tecnológicas e níveis de literacia digital .
Espera-se ainda que; a revisão permita caracterizar os diferentes tipos de tecnologias
identificadas, aplicativos de saúde sem IA, aplicativos que integrem a a IA e sistemas de IA não
baseados em aplicativos; permita descrever os contributos e potencialidades reportados na
literatura relativamente ao acompanhamento de parâmetros clínicos, promoção da autogestão e
apoio à tomada de decisão em saúde.
Antecipa-se que o estudo evidencie lacunas de conhecimento existentes, contribuindo
para orientar investigações futuras e o desenvolvimento de soluções digitais mais adequadas às
necessidades das pessoas com Doenças Crónicas Não Transmissíveis.

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 10

 REFERÊNCIAS

APÓSTOLO, J., Síntese da evidência no contexto da translação da ciência. Coimbra: Escola

Superior de Enfermagem de Coimbra (ESEnfC), 2017.
BUSNATU, ȘTEFAN, NICULESCU, A.-G., BOLOCAN, A., PETRESCU, G. E. D.,
PĂDURARU, D. N., NĂSTASĂ, I., LUPUȘORU, M., GEANTĂ, M., ANDRONIC, O.,
GRUMEZESCU, A. M., & MARTINS, H. (2022). Clinical Applications of Artificial
Intelligence—An Updated Overview. Journal of Clinical Medicine, 11(8), 2265.
[Link]
BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de Análise
em Saúde e Vigilância de Doenças Não Transmissíveis. Vigitel Brasil 2021: vigilância de
fatores de risco e proteção para doenças crônicas por inquérito telefônico. Brasília: Ministério
da Saúde, 2021.
CHANDRAN, V. P., BALAKRISHNAN, A., RASHID, M., PAI KULYADI, G., KHAN, S.,
DEVI, E. S., NAIR, S., & THUNGA, G. (2022). Mobile applications in medical education: A
systematic review and meta-analysis. PLOS ONE, 17(3), e0265927.
[Link]
DECAPRIO, D. et al. Building a COVID-19 vulnerability index. Journal of Medical
Artificial Intelligence, v. 3, p. 15–15, dez. 2020. Disponível em:
[Link]
FERREIRA, D. P., GOMES JUNIOR, S. C. dos S. (2021). Aplicativos móveis desenvolvidos
para crianças e adolescentes que vivem com doenças crônicas: uma revisão integrativa.
Interface - Comunicação, Saúde, Educação, 25. [Link]
IRIBARREN, S. J., AKANDE, T. O., KAMP, K. J., BARRY, D., KADER, Y. G., &
SUELZER, E. (2021). Effectiveness of Mobile Apps to Promote Health and Manage Disease:
Systematic Review and Meta-analysis of Randomized Controlled Trials. JMIR mHealth and
uHealth, 9(1), e21563. [Link]
JAT, A. S., GRØNLI, T.-M. (2023). Harnessing the Digital Revolution: A Comprehensive
Review of mHealth Applications for Remote Monitoring in Transforming Healthcare Delivery
(pp. 55–67). [Link]
OUZZANI, M.; HAMMADY, H.; FEDOROWICZ, Z.; ELMAGARMID, A. Rayyan – a web
and mobile app for systematic reviews. Systematic Reviews, [S.l.], v. 5, p. 210, 2016. DOI:
[Link]
PETERS, M. D. J. et al. Methodology for JBI scoping reviews. In: AROMATARIS, E. (ed.).
The Joanna Briggs Institute Reviewers’ Manual 2017. Adelaide: The Joanna Briggs Institute,
2017. Disponível em:
[Link]
ScopingReviews_2015_v2.pdf.

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 11

ROCHA, K. S. C., BARCELLOS, C. M., BRUNHEROTTI, M. A. de A., do NASCIMENTO,
L. C. G. (2024). Utilização da Inteligência Artificial como Estratégia de Monitoramento e
Controle de Doenças Crônicas não Transmissíveis: uma revisão integrativa da literatura.
ARACÊ, 6(3), 7676–7691. [Link]
SILVA, G. F. S., Inteligência artificial para a vigilância de doenças crônicas não-
transmissíveis. 2023. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2023.
Disponível em: [Link]
TOPOL, E. J. (2019). High-performance medicine: the convergence of human and artificial
intelligence. Nature Medicine, 25(1), 44–56. [Link]
NONCOMMUNICABLE DISEASES: PROGRESS MONITOR 2022. (2022). World Health
Organization.

Revista DELOS, Curitiba, v.19, n.76, p. 01-12, 2026 12