Una unidad de cuidados intensivos (UCI) es una sala especial en el hospital para pacientes que requieren cuidados intensivos. Está equipada con muchos instrumentos que monitorean los signos vitales de los pacientes y son apoyados por el personal médico. Sin embargo, el monitoreo continuo demanda una carga de trabajo masiva de atención médica. Para aliviar la carga, nuestro objetivo es desarrollar un modelo de detección automática para monitorear cuándo ocurren anomalías cerebrales. En este estudio, nos enfocamos en la electroencefalografía (EEG), que monitorea la electroactividad cerebral de los pacientes de forma continua. Principalmente se utiliza para el diagnóstico de disfunciones cerebrales. Proponemos el modelo basado en unidades recurrentes con compuertas (GRU) para detectar anomalías cerebrales; predice si el pico o la onda aguda ocurren dentro de una ventana de tiempo corta. Basado en la configuración de montaje de plátano, el modelo propuesto explota las características de múltiples canales simultáneamente para detectar anomalías. Se entrena, valida y prueba en datos de EEG separados y logra más del 90% de rendimiento en pruebas en sensibilidad, especificidad y precisión equilibrada. El modelo propuesto de detección de anomalías detecta la existencia de un pico o onda aguda con precisión; notificará al personal médico de la UCI, quienes pueden proporcionar un tratamiento de seguimiento inmediato. En consecuencia, puede reducir significativamente la carga de trabajo médica en la UCI.