A malária afecta milhões de pessoas todos os anos, predominantemente em países com recursos limitados. De acordo com a Organização Mundial da Saúde \parencite{WHO_2022}, houve cerca de 619.000 mortes por malária no mundo em 2021, em comparação com 625.000 em 2020. Assim, a classificação automatizada de imagens de sangue infectados com malária é um componente crítico para melhorar a eficiência e a precisão do diagnóstico da doença. Com o objetivo de viabilizar uma solução flexível que permita a integração de redes neurais para tratar doenças em larga escala, propomos uma metodologia para classificação da malária. Nossa abordagem envolve coleta de dados, pré-processamento, detecção de objetos com YOLO (em tempo real) encapsulados em um ambiente de microsserviços, criando um sistema modular e escalável que trata os pedidos de inferência, garantindo ao mesmo tempo flexibilidade e facilidade de manutenção (vide teste de carga). Deste modo, este sistema preenche a lacuna entre o combate à malária e à tecnologia e fazendo um aplicativo que possa servir de modelo para trabalhos futuros na área de classificação de doenças.