El presente TFG describe el proceso empleado con datos de citas médicas de pacientes con algún tipo de enfermedad renal entre los años 2014 y 2022 que la Fundación Jiménez Díaz ha facilitado a la universidad para el beneficio del área de la nefrología. Bajo la supervisión de cuerpos sanitarios, se toma como objetivo entender las características y particularidades que pueda haber entre los diferentes pacientes. Gracias al enfoque de modelos de machine learning orientados a análisis no supervisados, se puede brindar la oportunidad de obtener patrones entre los datos sin necesidad de haber aportado etiquetas previas. Para el mundo de la medicina, este tipo de análisis puede ayudar a identificar nuevas variables predictivas, mejorar la detección temprana de enfermedades y ayudar a la optimización de protocolos de tratamientos entre otras cosas. El documento muestra el proceso seguido, empezando por cómo se extrajeron los datos originales, donde se describe la naturalidad de los datos y la complejidad del problema. Posteriormente, se explica la técnica ETL utilizada mediante la herramienta SQL que proporciona el entorno SQL SERVER, donde se gestiona el tipo de preprocesamiento que se debe utilizar en una base de datos. Y, por último, gracias a la herramienta Python en los entornos Jupyter Notebook (Anaconda 3) y Google Colaboratory se aborda un último ciclo de procesamiento donde se descubre que apenas el 15% de los datos totales pueden ser utilizados dentro de la experimentación para las conclusiones. Es conveniente destacar la decisión, validada por los cuerpos sanitarios, de dividir el estudio en dos conjuntos de datos. Todas las citas médicas de pacientes que hayan sido tratados con un trasplante renal, con hemodiálisis y/o con diálisis peritoneal. Y, por otro lado, aquellas citas médicas de pacientes sin ningún tipo de tratamiento mencionado anteriormente. Gracias al estado del arte y cómo se ha abordado el problema, este trabajo deja entrever múltiples agrupaciones de pacientes que comparten caracterizaciones. Dichas conclusiones son tratadas como impactos considerables en el ámbito de la medicina, y, por consecuente, imparte soluciones socioeconómicas que pueden llegar a proporcionar una mejora progresiva en los hospitales adjuntos a los datos de la Fundación Jiménez Díaz. Por último, este trabajo ha demostrado además encontrar un desarrollo que genera una metodología que podrá ser utilizada y mejorada para posteriores trabajos a distintos niveles académicos gracias al detalle empleado en cada paso del proyecto.