Diagnosticar enfermedades ginecológicas es una dificultad significativa para el sector médico. Numerosos pacientes visitan las clínicas ginecológicas por embarazos, así como por otras enfermedades, como el síndrome de ovario poliquístico, quistes ováricos, endometritis, menopausia, entre otras. En relación al embarazo, los pacientes, ya sean hombres, mujeres o ambos, pueden experimentar una variedad de problemas. Por lo tanto, en esta investigación, desarrollamos un método propuesto que hace uso de redes neuronales artificiales (RNA) para ayudar a los ginecólogos a predecir la tasa de éxito de un embarazo basándose en la lectura de la proporción de hormonas del embarazo en la sangre. La RNA fue utilizada en este ensayo en el laboratorio como un grupo de múltiples perceptrones o neuronas en cada capa; sin embargo, en la capa oculta final, en lugar de ello se utilizaron el algoritmo genético (AG) y el algoritmo de murciélago. Estos dos algoritmos son adecuados para optimizar los modelos que tienen como objetivo estimar o predecir un valor. Como resultado, el AG intenta determinar el costo de las pruebas utilizando ecuaciones y el algoritmo de murciélago intenta determinar el costo del entrenamiento. Para mejorar el rendimiento de la RNA, el algoritmo AG colabora con el algoritmo de murciélago en un enfoque híbrido en la capa oculta de la RNA; por lo tanto, el resultado de predicción de embarazo al utilizar este método puede ser mejorado, optimizado y más preciso. Basándose en la flexibilidad de cada algoritmo, los ginecólogos pueden predecir la tasa de éxito de un embarazo. Con la ayuda de nuestros métodos, pudimos llevar a cabo experimentos utilizando datos recopilados de 35,207 pacientes y alcanzar una precisión de clasificación del 96.5%. Estos datos fueron recolectados del Departamento de Obstetricia y Ginecología del Hospital Universitario de Jordania (HUJ). El método propuesto tenía como objetivo predecir la tasa de éxito del embarazo independientemente de si los datos están compuestos por pacientes cuyas hormonas del embarazo se encuentran en el rango normal o de pacientes que sufren factores que favorecen la esterilidad, como infecciones, malformaciones y enfermedades asociadas (por ejemplo, diabetes).