A disparidade entre oferta e demanda de recursos no sistema de saúde é um problema mundial e cada vez mais grave. Entre os principais problemas está a escassez de leitos de internação e a demanda crescente de admissões hospitalares. Neste contexto, predizer quais pacientes serão admitidos e quais receberão alta hospitalar é de grande valia para gestores e administradores hospitalares. Estudos demonstram que a triagem, realizada de maneira manual, por médicos e enfermeiros, é capaz predizer a admissão hospitalar. O aprendizado de máquina (AM) oferece uma opção automatizada que permite a obtenção, em tempo real, dos dados disponíveis do paciente no momento da triagem, provindos de prontuários eletrônicos e dispositivos médicos, e pode predizer qual a probabilidade de admissão destes pacientes. O objetivo principal deste trabalho é desenvolver um algoritmo de inteligência artificial baseado em aprendizado de máquina que permita predizer admissão hospitalar de pacientes no momento da triagem, bem como avaliar o desempenho do algoritmo desenvolvido. A metodologia envolveu a coleta sistemática de dados de pacientes com média de idade de 63 anos no período entre 14 de setembro de 2015 e 18 de março de 2018, contabilizando 177.578 casos observados. Sobre esses dados foram utilizadas correções para dados desbalanceados, além das técnicas habituais de AM como Gradient Boosting, Support Vector Machine e Regressão Logística. O modelo desenvolvido foi capaz de predizer admissão hospitalar com acurácia, sensibilidade e especificidade de 78%, 79% e 73%, respectivamente. Essa abordagem, realizada de forma inédita no Brasil em um serviço privado especializado em atendimento de idosos, apresentou resultados promissores que merecem ser estendidos para outros serviços, incluindo o sistema público de saúde (SUS), haja vista seu enorme potencial de conferir agilidade no atendimento, segurança ao paciente e economia dos recursos escassos disponíveis para a saúde.