A medida que el mundo avanza hacia la emocionante era de la Atención Médica 4.0, es esencial que los pacientes y los clínicos tengan confianza y seguridad de que los sistemas de apoyo a la toma de decisiones clínicas en tiempo real que se utilizan a lo largo de su atención garanticen la robustez y la calidad óptima de la atención. Sin embargo, los sistemas actuales que involucran comportamiento autónomo y aquellos sin retroalimentación clínica previa, en general hasta la fecha han tenido poco enfoque en demostrar la robustez en el uso de datos y resultados finales, generando así una falta de confianza. Este documento desea abordar este desafío al introducir un nuevo enfoque de minería de procesos basado en una metodología estadísticamente robusta que se basa en la utilización de modelos de supervivencia condicional con el propósito de evaluar el rendimiento de los sistemas de Atención Médica 4.0 y la calidad de la atención proporcionada. Su efectividad se demuestra mediante el análisis del rendimiento de un sistema de apoyo a la toma de decisiones clínicas que opera en un entorno de cuidados intensivos con el objetivo de monitorear a los pacientes ventilados en tiempo real y notificar a los clínicos si se predice que el paciente está en riesgo de recibir ventilación mecánica perjudicial. Además, también demostraremos cómo las mismas métricas pueden usarse para evaluar la calidad de atención al paciente. La metodología propuesta puede usarse para analizar el rendimiento de cualquier sistema de Atención Médica 4.0 y la calidad de la atención proporcionada al paciente.