A radiologia médica desempenha um papel fundamental para a realização de diagnósticos precisos. Entretanto, o emprego da radiação ionizante requer rígidos procedimentos de controle de qualidade, a fim de assegurar a proteção de pacientes e profissionais envolvidos. Nesse contexto, este estudo apresenta uma revisão sistemática sobre a integração de sensores de radiação baseados em tecnologias de baixo custo como resistores dependentes de luz (LDRs), fotodiodos PIN e transistores bipolares de junção (BJTs) com algoritmos de inteligância artificial voltados para a detecção automatizada de anomalias em equipamentos radiológicos. Adicionalmente, destaca-se a aplicação da Internet das Coisas (IoT), a qual possibilita a aquisição contínua e em tempo real de dados por meio de sensores conectados a redes sem fio, viabilizando o monitoramento remoto para análises preditivas dos níveis de radiação. Os resultados da literatura indicam que sensores semicondutores apresentam maior sensibilidade e confiabilidade, o que os torna adequados para aplicações clínicas que demandam elevada precisão na medição de doses de radiação. Ademais, modelos de aprendizado de máquina supervisionado, como redes neurais artificiais profundas, demonstraram elevadas taxas de acurácia (superiores a 97%) na predição de falhas críticas em equipamentos médicos.Conclui-se, portanto, que a integração de sensores IoT com técnicas de inteligência artificial configura uma abordagem inovadora e promissora para o diagnóstico preditivo de falhas, contribuindo para o fortalecimento dos protocolos de segurança radiológica, a melhoria da qualidade assistencial e a sustentabilidade operacional dos serviços de saúde.