El proyecto aborda la identificación y agrupación de patrones en datos clínicos de pacientes menores de edad afectados por infecciones respiratorias, causadas por virus como SARS-COV-2, Influenza A o B y VSR. El objetivo principal es mejorar la eficacia de diagnósticos y tratamientos mediante la aplicación de técnicas de Inteligencia Artificial (IA) y Aprendizaje Automático (AA). Para eso, se realizaron procesos como la extracción de datos, limpieza, selección de características y normalización de estos. Luego, se estableció un modelo basado en IA que permitió la creación de agrupaciones con los datos proporcionados, utilizando el algoritmo K-Medoids. Además, se empleó el modelo ARIMA para predecir tendencias relacionadas con síntomas, palabras clave y diagnósticos a lo largo del tiempo. Adicionalmente, se implementó un prototipo de aplicación web que facilita la visualización de las tendencias y patrones dentro de los datos agrupados, obteniendo así un software útil para los médicos. Los resultados indicaron que se logró generar predicciones e identificar patrones en las agrupaciones alcanzando un grado de confianza de 86.96%. En conclusión, el proyecto proporciona una herramienta que facilita el análisis e identificación de patrones en la sintomatología de infecciones respiratorias de pacientes gracias a la ayuda de algoritmos basados en IA. Palabras Claves: Datos clínicos, Aprendizaje Automático, Predicciones, Agrupaciones