Introdução: A doença de Alzheimer é a forma mais comum de demência, representando um desafio nos cuidados de saúde principalmente da população idosa. Comorbidades associadas a essa doença como o câncer diminuem a funcionalidade do indivíduo, qualidade de vida e eleva a taxa de mortalidade. Com isso, a complexa interseção entre câncer e demência destaca a necessidade de uma abordagem de vigilância em saúde. Objetivo: Comparar o desempenho de métodos de aprendizagem de máquina supervisionada na classificação de óbitos por Doença de Alzheimer, Demências e Câncer, usando dados epidemiológicos de morbimortalidade do estado de Pernambuco, Brasil nos anos de 2022 e 2023. Método: Trata-se de um estudo transversal com dados secundários do DATASUS (TabNet) composto por 171 indivíduos com demência e neoplasias do estado de Pernambuco para os anos de agosto de 2022 a agosto de 2023. Para a análise dos dados utilizou-se o software Weka (Versão 3.8.6) com a utilização das técnicas de balanceamento SMOTE e validação cruzada por faixa etária, raça e sexo. Foi empregado na análise os seguintes testes: Neural Network - Multilayer Perceptron, Support Vector Machine, Naive Bayes, Random Tree e Random Forest. Resultados: O modelo Random Forest com 10 árvores foi o mais eficaz, alcançando acurácia de 89,2%, índice Kappa de 78,3%, especificidade de 87,6%, sensibilidade de 90,7% e curva ROC de 97%. Este estudo apresentou algumas limitações como a inconsistências na base de dados, o balanceamento de classes pode introduzir vieses e poucas variáveis preditoras foram consideradas. Conclusão: O estudo destaca o potencial das técnicas de aprendizado de máquina com dados do DATASUS no rastreamento dos óbitos por demência e neoplasias, com modelos promissores apesar das limitações. A continuidade da pesquisa pode explorar mais variáveis e técnicas avançadas para aprimorar a precisão.