"La atención es una de las funciones cognitivas más importantes pues es de vital importancia para llevar a cabo cada una de las acciones que realizamos, desde actividades cotidianas hasta tareas más demandantes. La presencia de un déficit atencional afecta de forma significativa el rendimiento de una persona, por lo que es de gran importancia determinar el estado de los mecanismos atencionales. Una herramienta que permita determinar el nivel de atención podría ser de gran ayuda en el diagnóstico de síndromes o trastornos y ayudar en la rehabilitación y tratamiento de las personas que padecen déficits atencionales. En este trabajo se propone una metodología basada en un algoritmo híbrido que combina Random Forest optimizado con PSO para la clasificación de los niveles de atención. Estos niveles de atención se dividen en tres categorías principales: Atención Alta, Atención Normal y Atención Baja. Esta propuesta demostró alcanzar una exactitud de hasta el 96%. Se demostró la robustez del modelo mediante métricas como el P-value, la varianza y MCEN. Finalmente, el enfoque de esta contribución fue comparado con el estado del arte, demostrando que se presenta una metodología factible para esta aplicación."