La inteligencia artificial se está aplicando cada vez más en la práctica médica, particularmente en el diagnóstico asistido por computadora (CAD). Si bien estas aplicaciones ya son comunes en humanos, solo se han introducido recientemente en la medicina veterinaria, especialmente en la práctica equina. Este estudio tuvo como objetivo evaluar la efectividad del CAD en el diagnóstico de una de las enfermedades del tracto respiratorio: la hiperplasia linfoide faríngea (PLH). Dado que la PLH se diagnostica visualmente en función del tamaño y número de los folículos linfoides dentro de la mucosa faríngea, este estudio empleó una técnica de procesamiento basada en la detección de objetos para identificar folículos linfoides en imágenes endoscópicas y la combinó con dos enfoques de digitalización: diagramas de Voronoi y estadísticas de primer orden (FOS) para cuantificar los signos endoscópicos de la PLH. Un conjunto de datos digitales obtenido de 70 caballos se combinó con un conjunto de datos clínicos, que representa síntomas clínicos del tracto respiratorio, para evaluar el rendimiento de clasificación utilizando el algoritmo de aprendizaje automático. El método CAD propuesto logró las métricas de clasificación más altas: 0.76 de precisión y 0.83 de exactitud, cuando ambos conjuntos de datos se combinaron. Este rendimiento fue superior en comparación con la aplicación del método CAD a cualquiera de los conjuntos de datos por separado. El método CAD propuesto proporciona una discriminación efectiva de los grados de PLH y puede aplicarse además a la evaluación de imágenes endoscópicas faríngeas equinas.