Se hipotetiza que la velocidad de lectura tiene firmas neuronales distintas en lenguas ortográficamente diversas, sin embargo, la evidencia cruzada entre lenguas sigue siendo limitada. Investigamos esto clasificando a los lectores veloces frente a los lectores regulares entre adultos cingaleses y japoneses (n=142) utilizando fMRI basada en tareas y 35 clasificadores de aprendizaje automático supervisados. Se extrajo activación funcional de 12 regiones corticales relacionadas con la lectura. Introdujimos el agrupamiento Fuzzy C-Means (FCM) para la augmentación de datos y explicaciones aditivas de Shapley (SHAP) para la interpretabilidad del modelo, lo que permitió evaluar las contribuciones por región a la clasificación de la velocidad de lectura. El mejor modelo, una red FT-TABPFN con augmentación FCM, logró una precisión de prueba del 81.1% en la cohorte combinada. En la cohorte solo japonesa, el SVM cuadrático y el KNN de subespacio alcanzaron cada uno una precisión del 85.7%. El análisis SHAP reveló que el giro angular (AG) y el giro frontal inferior (triangularis) fueron los mayores contribuyentes en todas las cohortes. Además, el giro supramarginal anterior (ASMG) apareció como un mayor contribuyente en la cohorte solo japonesa, mientras que el giro temporal superior posterior (PSTG) contribuyó fuertemente a ambas cohortes por separado. Sin embargo, el giro temporal medio posterior (PMTG) mostró menos o ninguna contribución a la clasificación del modelo en cada cohorte. Estos hallazgos demuestran la efectividad del aprendizaje automático interpretable para decodificar la velocidad de lectura, destacando tanto los predictores neuronales universales como las diferencias específicas del idioma. Nuestro estudio proporciona un marco novedoso y generalizable para el análisis neuroimaginológico cruzado entre lenguas de la competencia lectora.