Los aptasensores basados en nanomateriales son dispositivos útiles capaces de detectar pequeñas especies biológicas. Determinar métodos adecuados de procesamiento de señales puede mejorar la identificación y cuantificación de los analitos objetivo detectados por el biosensor y, en consecuencia, mejorar el rendimiento del biosensor. En este trabajo, proponemos un método de aumento de datos para superar la cantidad insuficiente de datos originales disponibles y la memoria a corto plazo (LSTM) para predecir automáticamente la concentración del analito a partir de una parte de una señal registrada por tres aptasensores electroquímicos, con diferencias en los bioreceptores, analitos y longitudes de las señales para concentraciones específicas. Para encontrar la red óptima, modificamos las siguientes variables: la estructura de la capa LSTM (LSTM unidireccional (LSTM) y LSTM bidireccional (BLSTM)), optimizadores (Adam, RMSPROP, SGDM), número de unidades ocultas y cantidad de datos aumentados. Luego, la evaluación de las redes reveló que la precisión de los datos originales más alta aumentó del 50% al 92% al explotar el método de aumento de datos. Además, el optimizador SGDM mostró una predicción de rendimiento más baja que la de los algoritmos ADAM y RMSPROP, y el número de unidades ocultas fue ineficaz para mejorar el rendimiento de las redes. Además, las redes BLSTM mostraron predicciones más precisas que las de las redes ULSTM en señales más largas. Estos resultados demuestran que este método puede detectar automáticamente la concentración del analito a partir de las señales del sensor.