La endometriosis (EM) es un trastorno crónico inflamatorio dependiente de estrógenos que afecta al 10% de las mujeres en todo el mundo. Afecta al tracto reproductivo femenino y a su microbiota residente, así como a sitios corporales distales que pueden servir como marcadores sustitutos de la EM. Actualmente, no existe un solo biomarcador definitivo que pueda diagnosticar la EM. Para este estudio piloto, analizamos una cohorte de 21 pacientes con endometriosis y condiciones asociadas a la infertilidad. Se creó un conjunto de datos de microbioma utilizando cinco tipos de muestras tomadas de los tractos reproductivo e gastrointestinal de cada paciente. Evaluamos varios algoritmos de aprendizaje automático para la detección de la EM utilizando estas características. Las características del conjunto de datos se derivaron de biopsias endometriales, fluido endometrial, muestras vaginales, orales y fecales. A pesar de los datos limitados, los algoritmos demostraron un alto rendimiento en cuanto al puntaje F1. Además, sugirieron que el diagnóstico de la enfermedad podría mejorar potencialmente utilizando procedimientos médicamente menos invasivos. En general, los resultados indican que los algoritmos de aprendizaje automático pueden ser herramientas útiles para diagnosticar la endometriosis en entornos con recursos limitados donde la disponibilidad de datos es limitada. Recomendamos que futuros estudios exploren las complejidades del trastorno de la EM utilizando inteligencia artificial y modelado predictivo para definir aún más las características del fenotipo de la endometriosis.