A ANÁLISE DE GRANDES QUANTIDADES DE DADOS TORNA-SE, UMA TAREFA DESAFIADORA. PARA ESSA TAREFA É IMPRESCINDÍVEL A UTILIZAÇÃO E DESENVOLVIMENTO DE FERRAMENTAS COMPUTACIONAIS QUE, DE FORMA INTELIGENTE, PROCESSEM AS INFORMAÇÕES DOS BANCOS DE DADOS PARA QUE AUXILIEM NA TOMADA DE DECISÃO. ASSIM, O OBJETIVO DESSE TRABALHO É BUSCAR O MELHOR RESULTADO DO DESEMPENHO DO ALGORITMO K-NEAREST NEIGHBOR (KNN) NA CLASSIFICAÇÃO DE PATOLOGIAS DA COLUNA VERTEBRAL, PARA AUXÍLIO NA TOMADA DE DECISÃO. TRATA-SE DE UMA PESQUISA CIENTÍFICA, EXPERIMENTAL DO TIPO EXPLORATÓRIA E PRESCRITIVA DE ABORDAGEM QUANTITATIVA A PARTIR DA APLICAÇÃO DO ALGORITMO KNN, UTILIZANDO ATRIBUTOS BIOMECÂNICOS PARA EFETUAR A CATEGORIZAÇÃO DE UM PACIENTE EM TRÊS CLASSES: PACIENTES NORMAIS, PACIENTES COM ESPONDILOLISTESE E PACIENTES COM HÉRNIA DE DISCO. OS DADOS DO BANCO FORAM TREINADOS POR VÁRIAS SIMULAÇÕES EM BUSCA DO MELHOR MODELO, E OS MELHORES VALORES DE PREDIÇÃO APRESENTADOS PELO ALGORITMO KNN OCORRERAM NO MODO PERCENTAGE SPLIT DE 66%, RANDOM SEED FOR XVAL/% SPLIT DE 2, COM K IGUAL A 9 E A DISTÂNCIA PONDERADA INVERSA. OBTENDO COMO RESULTADO UM ÓTIMO COEFICIENTE KAPPA CAPAZ DE CLASSIFICAR CORRETAMENTE 88,57% DOS INDIVÍDUOS. A MATRIZ DE CONFUSÃO MOSTROU OS ACERTOS E ERROS ENCONTRADOS NO MODELO, CORRESPONDENDO AO NÚMERO TOTAL DE INSTÂNCIAS PARA TESTE DE 105, DESSES 93 FORAM CLASSIFICADOS CORRETAMENTE E 12 CLASSIFICADOS INCORRETAMENTE. MOSTRANDO O MODELO COMO EFICAZ PARA O PROPOSTO.