Atualmente, os serviços de saúde vêm investindo seus esforços na melhoria contínua de seus processos, por considerarem que o acúmulo de erros prejudica o rendimento e a qualidade do serviço prestado. Dessa forma, é constante avanço da Tecnologia da Informação dentro das organizações de saúde em busca de auxiliar nesses processos de melhoria. Nesse sentido, foi desenvolvido o Prontuário Eletrônico do Paciente (PEP) considerado como uma ferramenta essencial para melhoria da assistência prestada ao paciente, sendo que o principal conceito de um PEP é integrar todas as informações do histórico clínico e hábitos pessoais do paciente. Consequentemente, esses prontuários eletrônicos estão repletos de informações em texto como evoluções, prescrições e avaliações de todos os profissionais que prestam assistência ao paciente, seja médica ou multiprofissional. Ou seja, nesse contexto existe um alto volume de conhecimento, normalmente não explorado por não estar no formato estruturado de campos no banco de dados. Por outro lado, como forma de auxiliar e padronizar o processo de identificação do quadro do paciente foram definidos os códigos CID-10 (Classificação Internacional de Doenças – atualmente na Décima Revisão) permitindo que médicos de regiões, estados ou mesmo países diferentes compreendam a classificação de doença atribuída. Sendo o CID-10 um campo estruturado no banco de dados, cujo preenchimento depende muito dos dados não estruturados e da avaliação técnica do profissional da saúde busca-se relacionar o conteúdo textual e o conteúdo pré-estruturado de forma a contribuir para a melhoria dos processos de gestão hospitalar. Portanto, baseado neste contexto, este trabalho propõe um estudo das diversas fases envolvidas no processo de extração de conhecimento em um banco de dados no domínio da saúde, mais especificamente usando as técnicas de mineração de textos, com o objetivo de utilizar as informações contidas nos campos de texto livre do prontuário eletrônico dos pacientes em conjunto com especificações sobre atribuição de CID, a fim de extrair conhecimento sobre características específicas de doenças e identificar padrões no preenchimento dos prontuários, que possam auxiliar no processo de tomada de decisão para escolha do CID mais adequado ao quadro do paciente, facilitando o faturamento dessa contas já que haverá maior suporte na validação deste campo tão importante. Assim como, contribuindo para prevenção de um eventual comprometimento da confiabilidade dos relatórios estatísticos da instituição. Assim como, para aplicar essa técnica foram pré-selecionadas algumas ferramentas, como Weka, NLTK, entre outras, para serem avaliadas quanto à adequabilidade ao problema proposto. Por fim, busca-se apresentar uma ferramenta que auxilie na melhoria dos registros clínicos do prontuário eletrônico do paciente, já que poderá evidenciar a qualidade desses registros e assim permitir a proposta de melhorias, bem como, por consequência qualificar os processos de assistência à saúde.