No existe un método confiable de evaluación de presión de falla para codos de tubería, específicamente aquellos sometidos a presión interna y tensión compresiva axial, aparte de los métodos numéricos que consumen mucho tiempo, lo cual es impráctico en situaciones críticas de tiempo. Este documento propone un conjunto de ecuaciones empíricas, basadas en Redes Neuronales Artificiales, para la predicción de presión de falla de codos de tubería sometidos a cargas combinadas. La red neuronal fue entrenada con datos generados utilizando el Método de Elementos Finitos. Posteriormente se realizó un análisis paramétrico para estudiar el comportamiento de falla de acero de alta resistencia corroído sometido a cargas combinadas. Se encontró que la profundidad, longitud y espaciado del defecto (longitudinal) y la tensión compresiva axial influían en gran medida en la presión de falla de un codo de tubería corroído, especialmente para defectos ubicados en el intradós, con reducciones en la presión de falla que van del 12.56 al 78.3%. Por el contrario, los efectos del espaciado del defecto circunferencial eran insignificantes, con una reducción máxima del 6.78% en la presión de falla del codo de tubería. Este estudio permite predecir la presión de falla de codos de tubería corroídos sometidos a cargas combinadas utilizando ecuaciones empíricas. Sin embargo, su aplicación está limitada a defectos únicos, interacción longitudinal y circunferencial con el rango de parámetros especificado en este estudio.