En la última década, gracias a la disponibilidad de observaciones satelitales históricas que han comenzado a ser significativamente grandes y gracias al crecimiento exponencial de las técnicas de inteligencia artificial, se han logrado muchos avances en la detección de parámetros geofísicos como las anomalías relacionadas con sismos. En este estudio, se analizan las variaciones del Contenido Electrónico Total (TEC) ionosférico, uno de los principales parámetros históricamente propuestos como un indicador conectado a sismos. Para realizar un análisis estadísticamente robusto de los complejos fenómenos involucrados, proponemos un enfoque de aprendizaje automático completamente innovador desarrollado en el lenguaje de programación R. A través de este enfoque, se realiza una configuración óptima de la multitud de entradas metodológicas propuestas actualmente para la detección de anomalías ionosféricas. La configuración se optimiza analizando, por primera vez, series temporales de datos satelitales de TEC de varios años, principalmente de veinte años, medidas por sistemas globales de navegación por satélite (GNSS) en la región italiana, emparejadas con las correspondientes series temporales de eventos sísmicos de varios años. Los eventos sísmicos que incluyen todos los países del área mediterránea, hasta Turquía, están involucrados en el análisis. Se simulan y clasifican decenas de miles de posibles combinaciones de parámetros metodológicos de entrada según criterios preestablecidos. Varios de los insumos examinados devuelven resultados claros. Estos resultados, combinados entre sí, destacan la presencia de secuencias anómalas relacionadas con sismos que tienen una probabilidad extremadamente baja de haber sido detectadas aleatoriamente (hasta 2 de 1 millón). Las anomalías identificadas representan los comportamientos más anómalos del TEC registrados durante todo el período bajo investigación (por ejemplo, 20 años). Algunas de las principales conclusiones son que, en latitudes medias, la detección de anomalías sísmicas-TEC puede ser más eficiente buscando fenómenos puntuales en lugar de persistentes; los umbrales óptimos para la identificación de anomalías co-sísmicas pueden asumir diferentes valores dependiendo del tipo de anomalía (positiva o negativa) y del tipo de observación; los datos de un solo receptor GNSS pueden ser útiles para capturar efectos locales de terremotos en la ionosfera y los datos de Mapas Ionosféricos Globales (GIM) pueden ser funcionales para detectar efectos de terremotos en la ionosfera a gran escala; los terremotos a más de 50 km de profundidad tienen menos probabilidades de afectar la ionosfera.