Una predicción precisa del nivel de riesgo de supervivencia de pacientes con cáncer de esófago es significativa para la selección de métodos de tratamiento apropiados. Contribuye a mejorar la calidad de vida y la probabilidad de supervivencia de los pacientes. Sin embargo, considerando que las características del índice sanguíneo varían entre individuos en función de su edad, hábitos personales y entorno de vida, un modelo unificado de predicción de inteligencia artificial no es precisamente adecuado. Con el fin de mejorar la precisión del modelo en la predicción del riesgo de supervivencia del cáncer de esófago, este estudio propone un modelo diferente basado en el algoritmo de agrupamiento de la red de Kohonen y la máquina de aprendizaje extremo del núcleo (KELM), con el objetivo de clasificar a la población analizada en cinco categorías y proporcionar una mayor eficiencia con el uso de aprendizaje automático.