Modelar y predecir enfermedades en vacas lecheras empodera a los agricultores con información valiosa para la gestión de la salud del ganado, disminuyendo así los costos y aumentando las ganancias. Para este propósito, se desarrollaron modelos predictivos basados en algoritmos de aprendizaje automático. Sin embargo, los enfoques basados en aprendizaje automático requieren el desarrollo de un modelo específico para cada enfermedad, y su consistencia está limitada por la baja disponibilidad de datos en las granjas. Para superar esta falta de datos completos y precisos, desarrollamos un modelo predictivo basado en cadenas de Markov homogéneas y no homogéneas discretas. Después de agregar datos en categorías, desarrollamos un método para definir el número adecuado de estados de la cadena de Markov. Posteriormente, seleccionamos el mejor modelo de predicción a través de la minimización de la distancia de Chebyshev. Para 14 de 19 enfermedades, se midieron diferencias máximas de menos del 15% entre el último mes de datos reales y predichos de enfermedades. Este modelo puede implementarse fácilmente en granjas lecheras de baja tecnología para proyectar costos con antibióticos y otros tratamientos. Además, la adaptabilidad del modelo permite que se extienda a otros tipos de enfermedades o condiciones con ajustes mínimos. Por lo tanto, incluir este modelo predictivo para enfermedades en vacas lecheras en sistemas de apoyo a la decisión puede mejorar la gestión de la salud del ganado y agilizar el diseño de estrategias agrícolas basadas en evidencia.