Combinar múltiples biomarcadores para proporcionar modelos predictivos con una mayor capacidad discriminatoria es una disciplina que ha recibido atención en los últimos años. Elegir el umbral de probabilidad que corresponde a la mayor precisión combinada del marcador es clave en el diagnóstico de enfermedades. El índice de Youden es una métrica estadística que proporciona un índice sintético apropiado para la precisión diagnóstica y un buen criterio para elegir un punto de corte para dicotomizar un biomarcador. En este estudio, presentamos un nuevo algoritmo escalonado para combinar linealmente biomarcadores continuos para maximizar el índice de Youden. Para investigar el rendimiento de nuestro algoritmo, analizamos una amplia gama de escenarios simulados y comparamos su rendimiento con el de otros cinco métodos de combinación lineal en la literatura (un enfoque escalonado introducido por Yin y Tian, el enfoque de mínimo-máximo, regresión logística, un enfoque paramétrico bajo normalidad multivariada y un enfoque de suavizado de núcleo no paramétrico). Los resultados obtenidos muestran que nuestro enfoque escalonado propuesto mostró resultados similares a otros algoritmos en escenarios simulados normales y supera a todos los demás algoritmos en escenarios simulados no normales. En escenarios de biomarcadores con las mismas medias y una matriz de covarianza diferente para la población enferma y no enferma, el enfoque de mínimo-máximo supera al resto. Los métodos también se aplicaron en dos conjuntos de datos reales (para discriminar la distrofia muscular de Duchenne y el cáncer de próstata), cuyos resultados también mostraron una mayor capacidad predictiva en nuestro algoritmo en la base de datos de cáncer de próstata.