O câncer é o principal problema de saúde pública no mundo e continua sendo uma das principais causas de mortalidade, com aproximadamente 70% das mortes se concentrando em países de baixa e média renda1. Dados do IBGE indicam que, em 2021, as neoplasias (tumores malígnos) ocasionaram 231.694 óbitos no Brasil 2. A alta incidência de câncer e a complexidade do tratamento exigem ferramentas avançadas de análise de dados clínicos, para melhorar a assistência oncológica e o acompanhamento dos pacientes. As evoluções médicas, presentes em Registros Eletrônicos de Saúde (RES)3, fornecem informações valiosas sobre a condição do paciente, incluindo seus sintomas, histórico médico e exames realizados, mas extrair informações relevantes de textos não estruturados é um desafio. Este estudo investiga a eficiência de algoritmos de Processamento de Linguagem Natural (PLN) aplicados às evoluções médicas de pacientes com câncer internados no Hospital Universitário da UFPI (HU-UFPI), a fim de identificar padrões preditivos de desfechos de óbito. O estudo comparou o desempenho de diversos modelos de Aprendizado de Máquina (AM), tradicionais (Decision Tree, Random Forest e Naive Bayes), profundos (Redes Neurais) e de linguagem grande (LLAMA e BERT), utilizando técnicas de PLN para transformar os textos das evoluções médicas desses pacientes. O modelo CNN apresentou o melhor desempenho na tarefa de predição dos desfechos.