Introdução: A COVID-19 é uma doença viral causada pelo SARS-CoV-2, membro da família Coronaviridae, que resulta em uma síndrome respiratória aguda grave. Modelos matemáticos e de simulação, aliados à inteligência artificial, oferecem uma abordagem avançada para aprimorar a gestão na tomada de decisão em saúde, inclusive na vigilância epidemiológica de doenças como a COVID-19. Objetivo: Desenvolver um modelo preditivo para detecção e prevenção de óbitos em pacientes com COVID-19 que apresentam risco de agravamento devido à deficiência de vitamina D, zinco e ferro no soro sanguíneo. Métodos: Esse estudo utilizou dados públicos secundários de COVID-19 para implementação de uma Inteligência Artificial, denominada Vigiexcelência. Dados obtidos da plataforma OpenDatasus e da Secretaria Municipal de Saúde foram selecionados por meio de Filtros de Bloom. A partir destes dados foi utilizado o algoritmo cluster – k-means. Sequencialmente, quatro algoritmos preditivos foram usados: Support Vector Machines (SVM), Decision Trees (DT), Naive Bayes (NB) e K-Nearest Neighbours (KNN) foram aplicados incluindo varáveis epidemiológicas, clínicas, laboratoriais e imagens com a finalidade de predizer padrões de agravos aos óbitos. Resultados: Os resultados obtidos revelaram a existência de 8.208 pares sintomáticos e 7.318 casos assintomáticos. Apenas, 75 pacientes sintomáticos com resultado positivo para o déficit de Vitamina D, Zinco e ferro foram inclusos conforme classificação e seleção por Filtros de Bloom com técnicas de Machine Learning e Deep learning para alcançar os resultados esperados. Dois padrões de agravos ao óbito foram derivados na amostragem. Os resultados apresentaram associações estatisticamente significativas entre deficiências nutricionais (vitamina D, zinco e ferro) e desfechos adversos da COVID-19 em uma população específica em Campo Grande, MS. Conclusão: Os estudos evidenciam uma associação significativas entre a deficiência de vitamina D e a gravidade da COVID-19, zinco e ferro estão associados a maior mortalidade e resposta inflamatória exacerbada com um algoritmo baseado em IA, mostrou eficácia na triagem, contribuindo para a identificação precoce de casos críticos.