Predecir la masa corporal (BM) en el ganado lechero es esencial para una gestión eficiente del rebaño, optimizando las estrategias de alimentación y monitoreando la condición animal. Los métodos tradicionales, como el pesaje directo, pueden ser laboriosos e imprácticos en sistemas de producción a gran escala. Este estudio exploró el uso de técnicas computacionales avanzadas, incluyendo redes neuronales artificiales (ANN) y regresión de vectores de soporte (SVR), junto con modelos de regresión tradicionales, para estimar la BM basada en datos morfológicos. Los perímetros torácico y abdominal se identificaron como variables altamente correlacionadas, lo que permitió el desarrollo de modelos predictivos de alta precisión. Los hallazgos destacan el potencial de los enfoques computacionales para mejorar la estimación de la BM, proporcionando alternativas prácticas para el sector ganadero. Si bien los modelos más complejos demostraron un rendimiento predictivo superior, los métodos estadísticos más simples siguen siendo opciones valiosas para la adopción en la granja, equilibrando precisión y facilidad de implementación.