Rita Ribeiro é bolseira de investigação no GECAD – Research Group on Intelligent Engineering and Computing for Advanced Innovation and Development, no Instituto Superior de Engenharia do Porto (ISEP), onde frequenta atualmente o Programa Doutoral em Inteligência Artificial e Engenharia de Sistemas Inteligentes. A sua investigação centra-se na extração de conhecimento clínico a partir de dispositivos wearables para monitorização não invasiva da saúde, com especial foco na análise de sinais fisiológicos, como a fotopletismografia (PPG), através de métodos explicáveis e robustos de machine learning. Desde 2024, tem estado envolvida em projetos internacionais, como o RM4Health e o REMO, contribuindo para a exploração de arquiteturas de deep learning para previsão de pressão arterial a partir de sinais PPG e para o desenvolvimento e avaliação de modelos tradicionais de machine learning aplicados à deteção das fases do sono e à análise da sua qualidade. Participa regularmente em reuniões de consórcios nacionais e internacionais, colaborando com parceiros académicos e industriais no planeamento e execução conjunta das atividades dos projetos. É mestre em Engenharia Biomédica pelo ISEP, tendo realizado a dissertação na Fraunhofer Portugal, com o título "Anonimização automática de texto clínico: um estudo sobre técnicas emergentes e métodos de avaliação", distinguida com a nota final de 18 valores. Ao longo do percurso académico, desenvolveu ainda projetos nas áreas de deteção da doença de Parkinson com redes neuronais, reconhecimento de emoções em exames radiológicos e sistemas de apoio à decisão clínica em cuidados primários. A sua produção científica inclui três publicações: (1) um artigo submetido para revisão na revista IEEE Reviews in Biomedical Engineering, classificada como Q1 no Journal Citation Reports (JCR), com o título “From Model to Medicine: A Literature Review of Explainable AI in PPG Biosignal Analysis and Clinical Practice”; (2) uma systematic review submetida à revista Digital Health, classificada como Q2 no JCR, com o título “A Systematic Review on Wearable-enable Remote Health Monitoring”; (3) um artigo de conferência intitulado “Enhancing Medication Adherence with Computer Vision: Object Detection Models for Pill Detection”, apresentado em 2025 numa conferência internacional classificada com rank C, segundo CORE2023; e (4) a dissertação de mestrado, concluída em 2023, disponível publicamente e sincronizada com o ORCID. Atualmente, encontra-se a desenvolver dois novos artigos científicos: um artigo original centrado na classificação em cinco fases do sono com base em sinais PPG, utilizando métodos tradicionais de machine learning, e uma umbrella review com meta-análise sobre aplicações do PPG em saúde. Os seus interesses de investigação incluem inteligência artificial em saúde, análise de sinais fisiológicos, foundation models, explicabilidade e desenvolvimento de sistemas de apoio à decisão clínica confiáveis.