La sarcopenia es una condición asociada con la edad caracterizada por una disminución de la masa muscular y la función. Esta condición conlleva importantes riesgos para la salud de las personas mayores. Este estudio desarrolló un modelo de aprendizaje automático para predecir la sarcopenia utilizando datos de 664 participantes. Se identificaron características clave utilizando el método de Explicaciones Model-Agnostic Interpretables Locales (LIME). Esto mejoró la interpretabilidad del modelo. Además, se utilizó el algoritmo CatBoost para el entrenamiento y SMOTE-Tomek abordó el desequilibrio del conjunto de datos. Es notable que el modelo de características reducidas superó al modelo de características completas, logrando una precisión del 0.89 y un AUC de 0.94. Los resultados resaltan la importancia de la selección de características para mejorar la eficiencia e interpretabilidad del modelo en aplicaciones clínicas. Este enfoque proporciona información valiosa para la identificación temprana y el manejo de la sarcopenia, contribuyendo a mejores resultados para los pacientes.