Las infraestructuras de túneles a nivel mundial enfrentan desafíos crecientes de deterioro debido al envejecimiento de materiales, la creciente demanda de carga y la exposición a duras condiciones ambientales. La predicción precisa del inicio y progresión del deterioro es fundamental para garantizar la seguridad estructural, optimizar intervenciones de mantenimiento y prolongar la vida útil. Sin embargo, la compleja interacción de factores ambientales, materiales y operativos plantea desafíos significativos a los modelos actuales de predicción de deterioro. Además, están limitados por conjuntos de datos pequeños y un rango estrecho de elementos de túneles que limitan su generalizabilidad. Este documento presenta un novedoso modelo de árbol de regresión basado en metaheurística híbrida (REGT) diseñado para mejorar la precisión y robustez de las predicciones de deterioro de túneles. Aprovechando las fortalezas de los algoritmos metaheurísticos, el método desarrollado optimiza conjuntamente los hiperparámetros críticos del árbol de regresión e identifica las características más relevantes para la predicción del deterioro. Se compiló un conjunto de datos completo que abarca propiedades de materiales, factores estresantes ambientales, cargas de tráfico y evaluaciones de condiciones históricas para el desarrollo del modelo. Los análisis comparativos contra árboles de regresión convencionales, redes neuronales artificiales y máquinas de vectores de soporte demostraron que el modelo híbrido superó consistentemente a las técnicas de referencia en cuanto a precisión predictiva y generalizabilidad. Si bien los árboles de regresión basados en metaheurística superaron a los modelos clásicos de aprendizaje automático, ninguna variante de metaheurística dominó todos los elementos de túneles. Además, el marco de optimización metaheurística mitigó el sobreajuste y proporcionó información interpretable sobre los factores principales que impulsan el deterioro del túnel. Finalmente, los hallazgos de esta investigación resaltan el potencial de los modelos híbridos de metaheurística como herramientas poderosas para la gestión de infraestructuras, ofreciendo predicciones accionables que permiten estrategias de mantenimiento proactivo y optimización de recursos. Este estudio contribuye al avance del campo de modelado predictivo en ingeniería civil, con implicaciones significativas para la gestión sostenible de infraestructuras de túneles.