Las Unidades de Cuidados Intensivos (UCI) modernas proporcionan monitoreo continuo de pacientes críticamente enfermos susceptibles a muchas complicaciones que afectan la morbilidad y la mortalidad. Los entornos de UCI requieren una alta relación de personal por paciente y generan un volumen considerable de datos. Para los clínicos, la interpretación en tiempo real de los datos y la toma de decisiones es una tarea desafiante. Las técnicas de Aprendizaje Automático (AA) en las UCI están avanzando en la detección temprana de eventos de alto riesgo debido al aumento del poder de procesamiento y a conjuntos de datos disponibles gratuitamente, como el Medical Information Mart for Intensive Care (MIMIC). Realizamos una revisión sistemática de la literatura para evaluar la efectividad de la aplicación de AA en los entornos de UCI utilizando el conjunto de datos MIMIC. Se revisaron un total de 322 artículos y se realizó un análisis descriptivo cuantitativo en 61 artículos calificados que aplicaron técnicas de AA en entornos de UCI utilizando datos de MIMIC. Reunimos los artículos calificados para proporcionar información sobre las áreas de aplicación, las variables clínicas utilizadas y los resultados del tratamiento que pueden allanar el camino para una mayor adopción de esta prometedora tecnología y su posible uso en la toma de decisiones clínicas rutinarias. Las lecciones aprendidas de nuestra revisión pueden proporcionar orientación a los investigadores sobre la aplicación de técnicas de AA para aumentar su tasa de adopción en el cuidado de la salud.