Los sistemas de producción de papas presentan diversos problemas fitosanitarios. Entre estos, la muerte temprana de la papa (PED) causada por spp. es una enfermedad difícil de detectar en sus etapas iniciales y cuya expresión ocurre en fases críticas de crecimiento del cultivo, como el llenado de tubérculos, generando un alto impacto económico. El objetivo de este trabajo fue utilizar datos espectrales para clasificar plantas de papa e identificar el grado de severidad de PED utilizando firmas espectrales e imágenes multiespectrales capturadas en plantas de papa bajo condiciones de producción en invernadero y comerciales. Se implementaron métodos como el análisis de componentes principales (PCA), bosque aleatorio (RF), máquina de vectores de soporte (SVM) y algoritmos de redes neuronales artificiales (ANN). Todos los algoritmos tuvieron un buen desempeño; sin embargo, el RF fue más preciso después de la iteración. El RF tuvo una buena capacidad para la detección indirecta de PED, con una precisión promedio del 60.9%. Las longitudes de onda relacionadas con el rojo y los bordes rojos, especialmente de 710 a 735 nm, resultaron ser altamente informativas. Como resultado de la congruencia entre los datos de campo y de invernadero, los índices espectrales RECI, NDRE, VWI y GRVI fueron consistentes con la discriminación de síntomas y niveles de severidad de PED. Las longitudes de onda identificadas pueden aplicarse en el diseño de sensores ópticos que, junto con el uso de algoritmos de ML, pueden implementarse en la detección remota de la muerte temprana en los cultivos de papa.