Un modelo con capacidad para predecir de manera precisa la readmisión es un objetivo que se persigue a nivel mundial. El objetivo de este estudio es diseñar modelos predictivos utilizando métodos de inteligencia artificial y datos recuperados de la Base de Datos de Investigación del Seguro Nacional de Salud de Taiwán para identificar pacientes de neumonía de alto riesgo con readmisiones por todas las causas a los 30 días. Se utilizó un algoritmo genético integrado (GA) y una máquina de vectores de soporte (SVM), llamado IGS, para diseñar modelos predictivos optimizados con tres funciones objetivo. En IGS, GA se utilizó para seleccionar características relevantes y parámetros óptimos de SVM, mientras que SVM se utilizó para construir los modelos. Para comparación, también se aplicaron regresión logística (LR) y red neuronal profunda (DNN) para la construcción del modelo. El modelo IGS con el AUC utilizado como función objetivo logró una precisión, sensibilidad, especificidad y área bajo la curva ROC (AUC) del 70,11%, 73,46%, 69,26% y 0,7758, respectivamente, superando a los modelos diseñados con LR (65,77%, 78,44%, 62,54% y 0,7689, respectivamente) y DNN (61,50%, 79,34%, 56,95% y 0,7547, respectivamente), así como los modelos informados previamente construidos utilizando los datos de registros de salud electrónicos con un AUC de 0,71-0,74. Se puede utilizar para detectar automáticamente pacientes con neumonía con riesgo de readmisiones por todas las causas dentro de los 30 días posteriores al alta para administrar intervenciones adecuadas y reducir las readmisiones y los costos de atención médica.