Este documento describe el diseño y la metodología para el desarrollo y validación de un modelo inteligente en el ámbito de la salud. El modelo generado se basa en técnicas de inteligencia artificial, con el objetivo de predecir la duración de la estancia y la tasa de supervivencia de los pacientes admitidos en una unidad de hospitalización de cuidados críticos, obteniendo mejores resultados que los sistemas predictivos que utilizan puntuaciones. La metodología propuesta se basa en las siguientes etapas: análisis preliminar de datos, análisis de la arquitectura y modelo de integración de sistemas, enfoque del modelo de big data, desarrollo de la estructura de información y procesos, y aplicación de técnicas de aprendizaje automático. Esta investigación demuestra que los modelos de aprendizaje automático automatizados superan significativamente a las técnicas tradicionales de predicción de resultados para los pacientes en entornos de cuidados críticos. Específicamente, el modelo basado en aprendizaje automático alcanzó una puntuación F1 de 0.351 para la predicción de mortalidad y 0.615 para la duración de la estancia, en contraste con las puntuaciones F1 del modelo de puntuación tradicional de 0.112 para mortalidad y 0.412 para duración de la estancia. Estos resultados respaldan firmemente las ventajas de integrar técnicas computacionales avanzadas en entornos críticos de atención médica. También se muestra que el uso de arquitecturas de integración permite mejorar la calidad de la información al proporcionar un repositorio de datos lo suficientemente grande como para generar modelos inteligentes. Desde un punto de vista clínico, obtener resultados más precisos en la estimación de la estancia en la UCI y la supervivencia ofrece la posibilidad de ampliar los usos del modelo para la identificación y priorización de pacientes que son candidatos para la admisión en la UCI, así como la gestión de pacientes con condiciones específicas.