Vital Soma - Software móvil de monitoreo de salud y cuidado corporal

Autores/as

DOI:

https://doi.org/10.33448/rsd-v14i12.50168

Palabras clave:

Salud, Inteligencia artificial, Gamificación, Aplicación, Calorías.

Resumen

El objetivo del presente artículo es presentar un proyecto de desarrollo de aplicación móvil para la promoción de la salud que integra IA y gamificación para asistir a los usuarios mediante el monitoreo accesible y personalizado de la alimentación y las actividades físicas. La metodología se estructuró en etapas que abarcaron desde la recopilación de requisitos hasta la implementación final del sistema. La aplicación se desarrolló en React Native, utilizando Supabase como base de datos y Figma para el diseño de la interfaz. La IA responsable de la estimación de calorías se entrenó en Google Colab, basada en un modelo de visión por computadora y en un dataset especializado en imágenes de alimentos. Además, el chatbot inteligente, desarrollado con Gemini API, fue diseñado para proporcionar soporte personalizado sobre alimentación y actividades físicas. El código siguió el patrón arquitectónico MVVM, y la gestión de las tareas se realizó mediante la metodología ágil Scrum, con la ayuda de Runrun.it. En las pruebas realizadas, el sistema mostró un buen rendimiento y estabilidad en las funcionalidades principales, como el registro de actividades y la clasificación de evolución, que utiliza elementos de gamificación para motivar al usuario. Se concluye que la integración entre diferentes tecnologías de IA y recursos interactivos potencia el compromiso y el autocuidado, haciendo que el seguimiento nutricional y físico sea más accesible, dinámico y eficaz.

Referencias

Alves, G. M., & Oliveira, T. C. (2020). A importância da alimentação saudável para o desenvolvimento humano. Humanas Sociais & Aplicadas, 10(27), 46–62.

Berger, B. G., & Tobar, D. A. (2011). Exercise and the quality of life. In T. S. Horn (Ed.), New sport and exercise psychology companion (pp. 483–505). Fitness Information Technology.

Discord Inc. (2025). Discord: Talk, chat, hang out. https://discord.com/

Docker. (2025). Docker documentation. https://docs.docker.com/

Figma. (2025). Figma help center – Documentação oficial do Figma. https://help.figma.com/hc/en-us

Google. (2025f). Gemini API. https://ai.google.dev/docs/gemini_api_overview

Lawrence, J. (2025). Food dataset v18. Roboflow. https://app.roboflow.com/marieli-0wetd/food-v18-oebdi/1https://app.roboflow.com/marieli-0wetd/food-v18-oebdi/1

Manickam, P., et al. (2022). Artificial intelligence (AI) and Internet of Medical Things (IoMT) assisted biomedical systems for intelligent healthcare. Biosensors (Basel), 12(8), 562. https://www.google.com/search?q=https://doi.org/10.3390/bios12080562

Martins, T. B., et al. (2021). Utilização de um aplicativo para smartphone para aumentar o nível de atividade física de adultos e idosos: Um estudo com grupo focal. Revista Brasileira de Atividade Física & Saúde, 26, 1–9. https://rbafs.org.br/RBAFS/article/view/15046

Microsoft. (2025). Visual Studio Code documentation. https://code.visualstudio.com/docs

Molena-Fernandes, C. A., et al. (2005). Prevalência de fatores de risco para doenças cardiovasculares em adolescentes de escolas de ensino médio de São José do Rio Preto, SP. Revista Brasileira de Saúde Pública, 39(1).

Organização Pan-Americana da Saúde. (2019). Dez ameaças à saúde que a OMS combaterá em 2019. https://www.paho.org/pt/noticias/17-1-2019-dez-ameacas-saude-que-oms-combatera-em-2019

Organização Pan-Americana da Saúde. (2024, 26 de junho). Cerca de 1,8 bilhão de adultos correm risco de adoecer devido à falta de atividade física. https://www.paho.org/pt/noticias/26-6-2024-cerca-18-bilhao-adultos-correm-risco-adoecer-devido-falta-atividade-fisica

Paiva, L. B., Santos, S. J., & Rego, L. P. (2024). Predição de calorias em alimentos com redes neurais artificiais. Revista Brasileira de Engenharia de Software, 4(1), 45–58.

Portz, J. D., Moore, N., & Bull, S. (2024). Mobile health app utilization and user engagement: A systematic review. Translational Behavioral Medicine, 14(1), 1–13.

Python Software Foundation. (2025). Python documentation. https://docs.python.org/3/

React Native. (2025). React Native documentation. https://reactnative.dev/docs/style

Runrun.it. (s.d.). O que é o Runrun.it. Retirado em 8 de setembro de 2025, de https://runrun.it/

Souza, F. R. N., et al. (2022). Aplicativos para estimular a prática de atividade física em crianças e adolescentes brasileiros. Saúde e Pesquisa, 15(1), e7950. https://periodicos.unicesumar.edu.br/index.php/saudpesq/article/view/7950

Souza, V. L. S. (2023). Análise e classificação nutricional de refeições com visão computacional e inteligência artificial [Tese de Doutorado não publicada]. Universidade Federal de Minas Gerais.

Supabase. (2025). Supabase documentation. https://supabase.com/docs

TypeScript. (2025). TypeScript documentation. https://www.typescriptlang.org/docs/

World Health Organization. (2003). Diet, nutrition and the prevention of chronic diseases. (Report of a Joint WHO/FAO Expert Consultation).

Publicado

2025-12-05

Número

Sección

Ensenanza y Ciencias de la Educación

Cómo citar

Vital Soma - Software móvil de monitoreo de salud y cuidado corporal. Research, Society and Development, [S. l.], v. 14, n. 12, p. e38141250168, 2025. DOI: 10.33448/rsd-v14i12.50168. Disponível em: https://www.rsdjournal.org/rsd/article/view/50168. Acesso em: 5 dec. 2025.