Este artículo discute una metodología para mejorar los procesos de prevención de enfermedades crónicas como la diabetes y los accidentes cerebrovasculares. La motivación de la investigación es encontrar un nuevo enfoque metodológico para diseñar Trayectorias de Atención Diagnóstica y Terapéutica Avanzadas (PDTAs) basadas en la predicción de enfermedades crónicas utilizando tecnologías de telemedicina y técnicas de procesamiento de datos de aprendizaje automático (ML). El objetivo es disminuir el riesgo de salud y evitar hospitalizaciones a través de la prevención. El método propuesto define un modelo de Organización de Minería de Procesos (PMO), gestionando riesgos utilizando una PDTA estructurada para prevenir el riesgo crónico. Específicamente, el análisis de datos se enfoca en el riesgo de accidente cerebrovascular. Primero, aplicamos y comparamos los algoritmos supervisados Random Forest (RF) y Gradient Boosted Trees (GBT) para predecir el riesgo de accidente cerebrovascular, y luego, el algoritmo no supervisado Fuzzy c-Means para agrupar información sobre los resultados predichos. La aplicación del enfoque propuesto es capaz de aumentar la eficiencia de los recursos humanos de atención médica y disminuir drásticamente los costos de atención.