El reconocimiento en tiempo real del nivel de dolor es necesario para realizar una evaluación precisa del dolor de los pacientes en la unidad de cuidados intensivos, los bebés y otros sujetos que pueden no ser capaces de comunicarse verbalmente o expresar la sensación de dolor. La expresión facial es un comportamiento clave relacionado con el dolor que puede desbloquear la respuesta a una herramienta objetiva de medición del dolor. En este trabajo, se presenta un sistema de clasificación del nivel de dolor basado en aprendizaje automático utilizando datos recopilados de electromiogramas faciales (EMG). El conjunto de datos se adquirió de parte de la base de datos BioVid Heat Pain para evaluar la expresión facial de un corrugador EMG y un cigomático EMG, y se adaptó un flujo de procesamiento de señales EMG y análisis de datos para la estimación continua del dolor. La clasificación de las características de electromiografía facial asociadas al dolor se realiza mediante el vecino más cercano (KNN) eligiendo el valor de k que depende de los modelos no lineales. Se realiza la presentación de la estimación de precisión, y se observa un crecimiento considerable en la precisión de la clasificación cuando se omite la materia del sujeto de los análisis. El algoritmo de ML para la clasificación de la cantidad de dolor experimentado por los pacientes podría proporcionar pruebas valiosas para los proveedores de atención médica y ayudar en la evaluación del tratamiento. El algoritmo de clasificación propuesto ha logrado una precisión del 99.4% para la clasificación del nivel de tolerancia al dolor desde el punto de referencia (P versus P) sin la influencia de un sesgo de sujeto. Además, el resultado sobre la precisión de la clasificación muestra claramente la relevancia del enfoque propuesto.