Introducción: A nivel mundial, la diabetes es una enfermedad crónica común, que ocurre cuando el páncreas del cuerpo no puede generar suficiente insulina o el cuerpo no puede utilizar la insulina generada. En particular, la Diabetes Mellitus Gestacional es una condición frecuente, asociada a alta morbilidad materna y fetal. Es importante detectar la enfermedad a tiempo para evitar consecuencias en el futuro. Tradicionalmente, la detección de la diabetes gestacional se compone de la prueba de provocación con glucosa (TCG) y la prueba de tolerancia a la glucosa (PTGO). Por el contrario, es un proceso que consume tiempo, es inconveniente y subjetivo. Propósito: Para abordar el problema, las investigaciones convencionales utilizaron tecnología de IA (Inteligencia Artificial) para automatizar el procedimiento de detección. Sin embargo, está limitado por la precisión, la velocidad, el manejo de conjuntos de datos más grandes y una alta tasa de error. Para superar el problema, el modelo propuesto tuvo como objetivo desarrollar un modelo predictivo para garantizar la GDM basada en el depósito de grasa visceral aprovechando los beneficios de los métodos de aprendizaje de conjunto. Contradiciendo los principios de la navaja de Occam, los modelos de conjunto introducen complejidad pero aun así reducen el error de generalización. Metodología: Para este estudio se utiliza un grupo de 133 mujeres embarazadas de hasta 20 semanas de gestación de Physionet y ya se ha demostrado que existe una fuerte correlación entre VAT y DMG. Resultados: Se logra una ROC y una precisión convincentes y una comparación con el conjunto de datos indios PIMA demuestra la solidez del modelo para predecir la diabetes gestacional y hacer avanzar un poco más el conocimiento en este campo.