Tanto la simulación de eventos discretos, como el aprendizaje automático, se utilizan en estudios de evolución de pacientes en terapia intensiva para apoyar la toma de decisiones. En el hospital provincial clínico quirúrgico universitario Arnaldo Milián Castro de Villa Clara, se estudia la evolución de pacientes que fueron ventilados y luego fallecieron al ser trasladados a otras salas. La simulación de eventos discretos, combinada con el aprendizaje automático, debe facilitar estos estudios con vistas a tomar mejores decisiones que impacten positivamente en el proceder del servicio de atención al paciente grave.

Primeramente, se realizó un análisis exploratorio de los datos de los pacientes, detectando dos grupos en los que se estudiaron las distribuciones de las variables de entrada al modelo como el tiempo de ventilación. Se detectaron también casos atípicos. El modelo implementado parte de la entrada de datos de un paciente y la simulación de su evolución de acuerdo a su similitud con los grupos detectados. El aprendizaje automático permite predecir la probabilidad de supervivencia del paciente dentro del flujo de procesos de la simulación. La simulación se replica un número de veces para estimar los tiempos de supervivencia antes de salir de alta o fallecer. Dentro del software construido es posible variar los valores de las variables de entrada y parámetros del modelo, guardar experimentos y comparar estadísticamente variantes de tratamiento sobre la base de muestras de las variables de salida para un paciente. A modo de validación se muestra la incertidumbre de las predicciones y estimaciones con relación a datos reales