Predecir el riesgo de readmisión en la UCI ayudará a los médicos a tomar decisiones sobre el alta. Utilizamos resúmenes de alta para predecir el riesgo de readmisión en la UCI a 30 días utilizando minería de texto y aprendizaje automático (ML) con datos del Medical Information Mart for Intensive Care III (MIMIC-III). Usamos Procesamiento de Lenguaje Natural (NLP) y el enfoque de Bolsa de Palabras en los resúmenes de alta para construir una Matriz Documento-Término con 3000 características. Comparamos el rendimiento de máquinas de soporte vectorial con el núcleo de función de base radial (SVM-RBF), aumento adaptativo (AdaBoost), análisis discriminante cuadrático (QDA), operador de selección y reducción absoluta mínima (LASSO) y regresión Ridge. Se utilizaron un total de 4000 pacientes para el entrenamiento del modelo y 6000 para la validación. Usando la bolsa de palabras determinada por NLP, el área bajo la curva de características operativas del receptor (AUROC) fue de 0.71, 0.68, 0.65, 0.69 y 0.65 respectivamente para SVM-RBF, AdaBoost, QDA, LASSO y regresión Ridge. Luego utilizamos el modelo SVM-RBF para la selección de características añadiendo de manera incremental características al modelo de 1 a 3000 bolsas de palabras. A través de este enfoque de búsqueda exhaustiva, solo 825 características (palabras) fueron dominantes. Usando esas características seleccionadas, entrenamos y validamos todos los modelos de ML. La curva AUROC fue de 0.74, 0.69, 0.67, 0.70 y 0.71 respectivamente para SVM-RBF, AdaBoost, QDA, LASSO y regresión Ridge. En general, esta técnica podría predecir la readmisión en la UCI relativamente bien.