El objetivo de este estudio fue predecir el ancho mínimo de la abertura de la membrana de Bruch (BMO-MRW), un parámetro relativamente nuevo utilizando la tomografía de coherencia óptica (OCT) convencional, utilizando el grosor de la capa de fibras nerviosas de la retina (RNFL) y los índices globales del campo visual (MD, PSD y VFI). Desarrollamos un modelo de aprendizaje automático interpretable que integra parámetros estructurales y funcionales para predecir BMO-MRW. El modelo logró la mayor precisión predictiva en el sector inferotemporal (R = 0.68), seguido por la región global (R = 0.67) y el sector superotemporal (R = 0.64). A través del análisis de SHAP (SHapley Additive exPlanations), demostramos que los parámetros de RNFL fueron parámetros significativos para la predicción de varios parámetros de BMO-MRW, con la edad y PSD también identificados como factores críticos. Nuestro modelo de aprendizaje automático podría proporcionar información clínica útil sobre el manejo del glaucoma cuando BMO-MRW no está disponible. Nuestro modelo de aprendizaje automático tiene el potencial de ser altamente beneficioso en la práctica clínica para el diagnóstico del glaucoma y el monitoreo de la progresión de la enfermedad.