El Servicio de Obra Social de la Universidad Nacional del Comahue (SOSUNC) dispone de una considerable cantidad de datos relativos a los consumos medicos de sus afiliados. Este trabajo se enfoca en la aplicación de técnicas de reglas de asociación para la identificación de patrones en estos datos, que abarcan información sobre practicas médicas, prescripciones de medicamentos y fechas de consumo. El objetivo principal es la creacion de un corpus de datos que permita discernir las interrelaciones entre las patologías y los consumos asociados, con el fin de optimizar la toma de decisiones en la gestión de las coberturas médicas. La metodología propuesta incluye la integración con técnicas de Deep Learning, con el propósito de desarrollar modelos predictivos capaces de capturar relaciones complejas y no lineales presentes en los datos. Se busca que estos modelos ofrezcan una mayor capacidad de discriminación y una comprensión más profunda de los patrones de consumo. Por último, se busca proporcionar una herramienta que facilite a SOSUNC la anticipación de futuras necesidades y la optimizacion de la asignación de recursos, logrando así mejorar la calidad de la atención médica y la gestión integral de los recursos disponibles.