Este estudio presenta el desarrollo de un modelo de aprendizaje profundo para predecir sequías en la región costera de Ecuador. Se utilizó información histórica de estaciones meteorológicas locales, incluyendo datos sobre precipitación, temperatura, humedad, evapotranspiración y humedad del suelo. Se utilizó una red neuronal artificial de múltiples capas. Fue entrenada y evaluada mediante validación cruzada, comparándola con otros algoritmos de aprendizaje automático. Los resultados demuestran que el modelo propuesto logró una precisión notable del 98.5% y una alta sensibilidad del 97.2% en la predicción de eventos de sequía en la región costera de Ecuador. Este rendimiento excepcional subraya el potencial del modelo para la toma de decisiones efectiva para prevenir y mitigar las sequías. Además, se discuten las limitaciones del estudio y se proponen posibles mejoras, como la incorporación de datos satelitales y el análisis de otras variables ambientales. Este estudio resalta la importancia de los modelos de aprendizaje profundo en la predicción de sequías y su potencial para contribuir a la gestión sostenible en áreas vulnerables a este fenómeno climático.