Evaluación del rendimiento de redes neuronales en la estimación de costes de tratamientos médicos Autores: Kristijan Cincar - West University of Timișoara Tibiscus University of Timișoara (RO) Andrea Amalia Minda - Babeș-Bolyai University of Cluj Napoca (RO) Marius Susa - Petroleum – Gas University of Ploiești (RO) Resumen Este estudio explora el uso de simulaciones para analizar el rendimiento de modelos predictivos de redes neuronales aplicados en el ámbito sanitario, específicamente en la estimación de los costes de tratamientos médicos. La simulación utiliza datos sintéticos generados para un período de 30 días, con variables como el coste del tratamiento, la gravedad de la enfermedad y el tiempo de espera del paciente. Se emplean tres modelos de redes neuronales —Feedforward NN, LSTM NN y 1D CNN— para la predicción de costes, y su rendimiento se evalúa utilizando las métricas de Error Absoluto Medio (MAE), Error Cuadrático Medio (MSE) y Raíz del Error Cuadrático Medio (RMSE). Además de la evaluación numérica, se generan una serie de visualizaciones detalladas para analizar las relaciones entre las variables y comparar la precisión de cada modelo. Los resultados indican que la CNN 1D alcanza el mejor rendimiento, demostrando su potencial para aplicaciones clínicas reales. El estudio también destaca la utilidad de las simulaciones para probar metodologías predictivas en campos donde los datos del mundo real pueden ser limitados.