La hepatitis C es una infección hepática causada por un virus, que resulta en una inflamación leve a severa del hígado. A lo largo de muchos años, la hepatitis C daña gradualmente el hígado, a menudo provocando cicatrización permanente, conocida como cirrosis. Los pacientes a veces tienen síntomas moderados o nulos de enfermedad hepática durante décadas antes de desarrollar cirrosis. La cirrosis empeora típicamente hasta el punto de insuficiencia hepática. Los pacientes con cirrosis también pueden experimentar daño en el sistema nervioso y cerebral, así como hemorragia gastrointestinal. El tratamiento para la cirrosis se centra en prevenir una mayor progresión de la enfermedad. Por lo tanto, detectar la cirrosis de manera temprana es crucial para evitar complicaciones. El aprendizaje automático (ML) ha demostrado ser efectivo al proporcionar información precisa y exacta para ser utilizada en el diagnóstico de varias enfermedades. A pesar de esto, hasta ahora no se han realizado estudios que utilicen ML para detectar cirrosis en pacientes con hepatitis C. Este estudio obtuvo un conjunto de datos que consiste en 28 atributos de 2038 pacientes egipcios del Repositorio de ML de la Universidad de California en Irvine. Cuatro algoritmos de ML fueron entrenados en el conjunto de datos para diagnosticar cirrosis en pacientes con hepatitis C: un Bosque Aleatorio, una Máquina de Impulso Gradiente, un Impulso Extremo Gradiente y un modelo de Árboles Adicionales. El modelo de Árboles Adicionales superó a los otros modelos logrando una precisión del 96.92%, una sensibilidad del 94.00%, una precisión del 99.81% y un área bajo la curva característica de operación del receptor del 96% utilizando solo 16 de los 28 atributos.