Los electroretinogramas (ERGs) muestran diferencias entre poblaciones con desarrollo típico y aquellos con un diagnóstico de trastorno del espectro autista (TEA) o trastorno por déficit de atención e hiperactividad (TDAH). En una serie de ERGs recopilados en grupos de TEA (n = 77), TDAH (n = 43), TEA + TDAH (n = 21) y control (n = 137), este análisis explora el uso de técnicas de aprendizaje automático y selección de características para mejorar la clasificación entre estos grupos clínicamente definidos. Se evaluaron características estándar de análisis de dominio temporal y de señal en diferentes modelos de aprendizaje automático. Para la clasificación de TEA, se logró una precisión equilibrada (BA) de 0.87 para participantes masculinos. Para el TDAH, se logró una BA de 0.84 para participantes femeninas. Cuando se usó un modelo de tres grupos (TEA, TDAH y control), la BA fue menor, de 0.70, y disminuyó aún más a 0.53 cuando se incluyeron todos los grupos (TEA, TDAH, TEA + TDAH y control). Los hallazgos respaldan un papel para el ERG en el establecimiento de una amplia clasificación de dos grupos de TEA o TDAH, pero el rendimiento del modelo depende del sexo y es limitado cuando se incluyen múltiples clases en la modelización de aprendizaje automático.