El síndrome de Usher (USH) es un trastorno genético raro que afecta la visión, la audición y el equilibrio. Identificar biomarcadores confiables es crucial para un diagnóstico temprano y comprender los mecanismos de la enfermedad. Los microARNs (miARNs), reguladores clave de la expresión génica, prometen ser biomarcadores para el USH. Este estudio tuvo como objetivo identificar un subconjunto mínimo de miARNs que pudieran servir como biomarcadores para diferenciar efectivamente el USH de los controles. Empleamos técnicas de selección de características de conjunto para seleccionar los principales miARNs que aparecen en al menos tres algoritmos. Se entrenaron y probaron modelos de aprendizaje automático utilizando este subconjunto, seguido de una validación en una muestra independiente del 10%. Nuestro enfoque identificó 10 miARNs clave como posibles biomarcadores para el USH. Para validar aún más su relevancia biológica, realizamos un análisis de vías, que reveló vías significativas asociadas con el USH. Además, nuestro enfoque logró un alto rendimiento de clasificación, con una precisión del 97,7%, una sensibilidad del 98%, una especificidad del 92,5%, una puntuación F1 del 95,8% y un AUC del 97,5%. Estos hallazgos demuestran que combinar la selección de características de conjunto con el aprendizaje automático proporciona una estrategia sólida para el descubrimiento de biomarcadores de miARN, avanzando en el diagnóstico y la comprensión molecular del USH.