La metritis es una enfermedad uterina común en vacas lecheras después del parto y está asociada con un peor rendimiento reproductivo, mayores costos de tratamiento y una disminución en la producción de leche. El diagnóstico temprano es crítico, pero sigue siendo un desafío en grandes rebaños debido a las limitaciones en la observación manual. En este estudio, aplicamos modelos de aprendizaje automático para analizar datos recolectados rutinariamente en la granja, incluyendo la producción de leche, la composición de la leche, el tiempo de rumia y el peso corporal, con el fin de identificar indicadores tempranos de metritis. Se evaluaron cinco modelos, siendo las redes neuronales y las máquinas de soporte vectorial las que demostraron la mayor precisión en la clasificación. Nuestros hallazgos indican que es posible detectar vacas en riesgo utilizando parámetros no invasivos antes de la aparición de síntomas clínicos severos. Este enfoque puede apoyar decisiones de tratamiento más oportunas y específicas por parte de los productores y veterinarios, mejorando así el bienestar animal y reduciendo el uso innecesario de antibióticos.