En las venas, la iniciación de la coagulación muestra una respuesta de umbral a la intensidad del flujo y al tamaño de la lesión. Los modelos matemáticos pueden proporcionar información sobre las condiciones que conducen a la iniciación del crecimiento del coágulo bajo flujo para sujetos específicos. Sin embargo, es difícil determinar las curvas de generación de trombina que favorecen la iniciación de la coagulación de manera rápida, especialmente al considerar una amplia gama de condiciones relacionadas con el flujo y el tamaño de la lesión. En este trabajo, proponemos abordar este desafío utilizando un modelo de red neuronal entrenado con las simulaciones numéricicas de un modelo 2D validado para la formación de coágulos. Nuestro modelo sustituto aproxima los resultados de las simulaciones 2D, alcanzando una precisión del 94% en el conjunto de datos de prueba. Utilizamos la red neuronal artificial entrenada para determinar el umbral de los parámetros de generación de trombina que alteran la respuesta de iniciación de la coagulación bajo condiciones variables de velocidad de flujo y tamaño de la lesión. Nuestras predicciones del modelo muestran que niveles aumentados del potencial de trombina endógena (ETP) y la concentración máxima de trombina aumentan la probabilidad de iniciación de la coagulación, mientras que un tiempo elevado hasta el pico disminuye la coagulación. El tiempo de retardo tiene un efecto pequeño en la iniciación de la coagulación, especialmente cuando el tamaño de la lesión es pequeño. Nuestro modelo sustituto se puede considerar como una prueba de concepto de una herramienta que se puede implementar para estimar el riesgo de sangrado en pacientes específicos en función de los resultados del Ensayo de Generación de Trombina.