Como un desarrollo orientado al futuro en el control del tráfico aéreo (ATC), las torres remotas dependen de la presentación de información virtualizada, lo que puede exacerbar la fatiga visual entre los controladores y comprometer la seguridad operativa. Este estudio propone un modelo de reconocimiento de fatiga visual basado en señales fisiológicas multimodales. Se llevó a cabo una tarea simulada de torre remota de 60 minutos con 36 participantes, durante la cual se recopilaron señales de seguimiento ocular (ET), electroencefalografía (EEG), electrocardiografía (ECG) y actividad electrodermal (EDA). También se registraron cuestionarios de fatiga subjetiva y mediciones oftálmicas objetivas antes y después de la tarea. Se identificaron características estadísticamente significativas a través de pruebas pareadas, y se construyeron etiquetas de fatiga combinando indicadores subjetivos y objetivos. Luego, se empleó LightGBM para clasificar la importancia de las características integrando la frecuencia de división y la ganancia de información en una puntuación compuesta. Se seleccionaron las 12 características principales y se utilizaron para entrenar un perceptrón multicapa (MLP) para la clasificación. El modelo logró una precisión balanceada promedio de 0.92 y una puntuación F1 de 0.90 bajo validación cruzada de 12 pliegues, demostrando un excelente rendimiento predictivo. Las características de alto rango abarcaron cuatro modalidades, revelando patrones fisiológicos típicos de fatiga visual en el comportamiento ocular, la actividad cortical, la regulación autónoma y el nivel de excitación. Estos hallazgos validan la efectividad de la fusión multimodal en el modelado de la fatiga visual y proporcionan apoyo teórico y técnico para el monitoreo de factores humanos y la mitigación de riesgos en entornos de torre remota.