Introdução: A compreensão do perfil comportamental dos pacientes é fundamental para o tratamento odontopediátrico. Nesse sentido, as inteligências artificiais podem se revelar grandes aliadas dos clínicos. Objetivo: O projeto visa o desenvolvimento de uma máquina de aprendizagem na odontopediatria para gerenciamento do comportamento infantil. Assim, o objetivo desse trabalho foi a realização da primeira etapa para a construção do modelo, que compreende o pré-processamento e análises estatísticas. Método: Inicialmente, foram coletados dados através de entrevistas presenciais com a utilização de questionários validados, como as Escalas Visual Analógica (EVA), para a percepção do cirurgião dentista quanto ao estresse da criança, e a comportamental de FRANKL, para a avaliação do profissional quanto ao comportamento do paciente. A seguir, eles foram tabulados através do Microsoft Excel e submetidos ao pré-processamento para garantir sua qualidade e coerência. Resultados: Foram tabulados dados de 97 pacientes, no entanto, 3% (N=5) deles estavam com as fichas incompletas, então foram catalogados e uma equipe ficou responsável por contatá-los a fim de coletar os dados faltantes. Por fim, 18 questões do questionário socioeconômico de Jarman (1983) foram codificadas numericamente, incluindo as possíveis respostas, tornando-a acessível ao software. Como resultado preliminar, foi verificado através do teste de Kruskal Wallis que há correlação significativa entre o estresse percebido pelo cirurgião dentista e o comportamento da criança (P=0,01). Conclusão: A tabulação e o tratamento dos dados coletados prepararam os dados para a posterior aplicação na seleção das variáveis e treinamento de uma rede neural com o intuito de prever condições comportamentais nas crianças atendidas na clínica de odontopediatria da Universidade Federal de Alfenas (UNIFAL-MG), podendo trazer benefícios significativos para a odontologia, melhorando a experiência dos pacientes infantis e contribuindo para a saúde bucal a longo prazo.