El presente estudio desarrolla un modelo computacional predictivo basado en redes neuronales artificiales para evaluar la eficacia del uso de láser de baja intensidad (LLLT, por sus siglas en inglés) en tratamientos ortodónticos. Se utilizaron registros clínicos anonimizados provenientes del repositorio biomédico PhysioNet, complementados con datos experimentales recogidos en clínicas privadas especializadas en ortodoncia láser en Ecuador. La muestra incluyó 240 pacientes (120 con láser, 120 sin láser), registrando variables como duración del tratamiento, niveles de dolor reportado (escala VAS), grado de inflamación y desplazamiento dentario mensual. El modelo, entrenado con una red neuronal multicapa (MLP) con 3 capas ocultas y activación ReLU, logró predecir el tiempo estimado de tratamiento con una precisión del 92,3%. Además, el dolor promedio en pacientes con LLLT fue un 43% menor durante las primeras 6 semanas. La validación cruzada se realizó con una partición 70/30, obteniendo un RMSE de 0.41 meses en la predicción del tiempo total de tratamiento. La herramienta fue capaz de identificar umbrales óptimos de energía del láser (830 nm, 20 mW por 10 s) para maximizar la respuesta terapéutica sin efectos secundarios. Se concluye que el modelo computacional permite mejorar la planificación clínica en ortodoncia y justificar el uso del láser como herramienta de soporte basada en evidencia cuantitativa. Se recomienda su integración en plataformas clínicas inteligentes para la personalización del tratamiento ortodóntico.