El desplazamiento del abomaso (DA) es uno de los problemas de salud más costosos, así como una preocupación por el bienestar en las vacas lecheras. Por lo tanto, el potencial predictivo de los casos susceptibles a DA es de gran importancia para reducir las pérdidas económicas. Así, este estudio tuvo como objetivo la predicción temprana de DA utilizando cinco algoritmos de aprendizaje automático, a saber, Regresión Logística (LR), Naïve Bayes (NB), Árbol de Decisión, Bosque Aleatorio (RF) y Máquinas de Aumento de Gradiente (GBM), para predecir casos de DA. Las métricas de rendimiento del modelo indicaron que, entre los algoritmos considerados en este estudio, RF y GBM fueron significativamente mejores en términos de F2 (0.32) y TPR (0.75 y 0.70, respectivamente). Por lo tanto, dado que los datos están altamente desbalanceados y que DA es una característica compleja, se demostró que los métodos de aprendizaje automático (ML) son prometedores para predecir casos susceptibles a DA a nivel de rebaño. Esta herramienta de predicción puede ayudar a los agricultores lecheros a tomar decisiones de gestión preventiva al identificar vacas susceptibles a DA.