Las interacciones entre los tejidos corporales y un haz de ultrasonido enfocado pueden evaluarse utilizando varios modelos numéricos. Entre estos, los métodos de Rayleigh-Sommerfeld y espectro angular se consideran los más efectivos en términos de precisión. Sin embargo, son computacionalmente costosos, lo que es uno de los problemas subyacentes de la mayoría de los modelos computacionales. Típicamente, las evaluaciones utilizando estos modelos requieren una cantidad significativa de tiempo (horas a días) si se consideran escenarios realistas como la inhomogeneidad o no linealidad del tejido. Este estudio tiene como objetivo abordar este problema desarrollando un modelo de estimación rápida para la terapia con ultrasonido utilizando un algoritmo de aprendizaje automático. Varios modelos de aprendizaje automático fueron entrenados en un conjunto de datos muy grande (19,227 simulaciones), y el rendimiento de estos modelos fue evaluado con métricas como el Error Cuadrático Medio (RMSE), R-cuadrado (R), Criterio de Información de Akaike (AIC) y Criterio de Información Bayesiana (BIC). El bosque aleatorio resultante proporciona una precisión superior con un valor de R de 0.997, un RMSE de 0.0123, un AIC de -82.56 y un BIC de -81.65 en un conjunto de datos de prueba externo. Los resultados indican la eficacia del modelo basado en bosques aleatorios para la respuesta al ultrasonido enfocado, y la adopción práctica de este enfoque mejorará el proceso de planificación terapéutica al minimizar el tiempo de simulación.