As doenças respiratórias atingem um dos principais sistemas do corpo humano e afetam grande parte da população brasileira. Nos casos mais graves, podem limitar as funcionalidades e a força muscular dos portadores, impactando em atividades cotidianas simples e, consequentemente, na qualidade de vida dos mesmos. Os programas de reabilitação pulmonar auxiliam no tratamento dessas doenças. O “Projeto de Extensão Reabilitação Pulmonar” da Universidade Feevale é um programa de reabilitação pulmonar que atende pacientes da comunidade e visa melhorar a qualidade de vida de portadores de doenças respiratórias crônicas através do desenvolvimento de ações educativas e assistenciais. As informações sobre os pacientes e resultados do tratamento são armazenadas em uma base de dados. A quantidade de dados dificulta a análise dos resultados. Neste trabalho, foi desenvolvida uma ferramenta para aplicar técnicas de machine learning na base de dados do “Projeto de Extensão Reabilitação Pulmonar”. O objetivo da ferramenta é identificar tendências de abandono dos pacientes que estão ingressando no tratamento e extrair conhecimento sobre a base de dados para, com isso, contribuir na aplicação do tratamento de reabilitação pulmonar. Além disso, a ferramenta também disponibiliza visualizações para auxiliar na leitura dos dados e dos resultados por profissionais da área da saúde. Foram comparadas as técnicas Support Vector Machine, Decision Tree e Random Forest, onde Random Forest demonstrou melhor acurácia na predição de abandono.