Este documento se centra en abordar las complejas necesidades de atención médica de los pacientes que luchan con comorbilidades crónicas discordantes (DCC). Manejar a estos pacientes dentro del sistema de salud actual a menudo resulta ser un proceso desafiante, caracterizado por necesidades de tratamiento en evolución que requieren múltiples citas médicas y coordinación entre diferentes especialistas clínicos. Esto dificulta tanto a los pacientes como a los proveedores de atención médica establecer y priorizar medicamentos y comprender las posibles interacciones entre fármacos. La principal motivación de esta investigación es la necesidad de reducir el conflicto de medicamentos y optimizar los regímenes de medicación para individuos con DCC. Para lograr esto, permitimos que los pacientes especificaran sus condiciones de salud y preocupaciones de tratamiento primarias y principales, por ejemplo, los costos de los medicamentos, las interacciones con los medicamentos actuales y el aumento de peso. Utilizando datos recopilados de MTurk y Qualtrics, obtuvimos información sobre las estrategias de los proveedores de atención médica para hacer/customizar regímenes de medicación. Construimos un conjunto de datos y posteriormente desplegamos algoritmos de aprendizaje automático para predecir regímenes de medicación óptimos para pacientes con DCC con preocupaciones de tratamiento específicas. Tras la evaluación de diferentes modelos, el bosque aleatorio emergió como el mejor, logrando una precisión de 0.93. Esta investigación contribuye significativamente a la mejora de los procesos de toma de decisiones, empodera a los pacientes para que asuman un papel más activo en su atención médica y promueve discusiones más informadas y productivas entre los pacientes y sus equipos de atención.