Os órgãos públicos de controle e auditoria são as primeiras instâncias na defesa do patrimônio público. O objetivo dessas instituições é contribuir para melhoria dos serviços públicos prestados pelo Estado, por meio do aperfeiçoamento dos sistemas de controles e da transparência para melhorar a qualidade do gasto público e combater a corrupção. As instituições de Estado necessitam de ferramentas tecnológicas para detecção e predição de anomalias nos gastos com as despesas públicas, principalmente na área da saúde, para que com eficiência e efetividade, auxiliem na sua atuação no combate da corrupção e no zelo do patrimônio público. Essa dissertação se dedica a identificar as anomalias nas despesas da área da saúde dos municípios do Estado de São Paulo por meio da utilização dos dados do estágio de empenho e dos algoritmos de machine learning para detecção de anomalias. Os resultados dos algoritmos não lineares como Gradient Boosting Regressor, Adaboost Regressor e Random Forest Regressor obtiveram os melhores resultados para R2, respectivamente, com 98,88%, 87,17% e 86,13%, e sugerem que são ferramentas úteis na construção de programas ou planos de ações de auditoria pelos gestores devido às anomalias detectadas e dos resultados emitidos pelos algoritmos, ademais auxiliará a equipe operacional de auditora para que cumpra seus objetivos de fiscalização, controle e auditoria.