La síncope es la condición médica de pérdida de conciencia provocada por la cesación momentánea del flujo sanguíneo al cerebro. Se han establecido técnicas de aprendizaje automático como una forma muy efectiva de abordar tales problemas, donde se predice una etiqueta de clase para un conjunto de datos de entrada dado. Este trabajo presenta una clasificación basada en Máquinas de Vectores de Soporte (SVM) de la síncope mediada por neuroevaluación, evaluada utilizando métodos de división de entrenamiento-prueba y validación cruzada K-fold, utilizando los datos fisiológicos del paciente recopilados a través de la Prueba de Inclinación con Cabeza Arriba en entornos clínicos puros. El rendimiento del modelo ha sido analizado a través de índices de rendimiento estadístico estándar. Los resultados experimentales demuestran la efectividad del uso de la clasificación basada en SVM para el diagnóstico proactivo de la síncope.