El presente proyecto se enfoca en el desarrollo de un sistema basado en inteligencia artificial para la detección de cáncer de mama a partir de mamografías. Tras realizar una exhaustiva revisión del estado del arte y del contexto médico relacionado con esta problemática, establecimos los objetivos y la metodología de trabajo necesarios para abordar el problema de manera eficaz. Utilizando herramientas y tecnologías avanzadas, diseñamos una solución basada en redes neuronales convolucionales (CNN) que permitió el análisis automático de las imágenes de mamografías. El proceso de diseño de la solución incluyó la preparación del entorno de desarrollo, la descarga y procesamiento de imágenes DICOM, así como la implementación y optimización de un modelo CNN. Exploramos diversas estrategias de mejora, como la configuración de Tensorflow para utilizar la GPU del ordenador, la expansión de la arquitectura CNN y la aplicación de técnicas de transfer learning con modelos pre-entrenados. Los resultados obtenidos reflejaron un desafío importante en cuanto al sobreajuste de los modelos, a pesar de nuestros esfuerzos por mejorar el rendimiento mediante la optimización de hiperparámetros y el uso de técnicas de regularización. Esta limitación nos lleva a reflexionar sobre la adecuación de la ingeniería de datos realizada, especialmente en la fase de confección de los CSV de datos. Hemos realizado diversas tareas abarcando distintos campos laborales. En la ingeniería de datos, recopilamos imágenes DICOM y metadatos creando archivos CSV para entrenar redes neuronales. En el desarrollo de software, creamos scripts y herramientas para procesar y analizar datos, y configurar modelos de IA. En ingeniería artificial, investigamos y recopilamos arquitecturas de redes neuronales, explorando su aplicación en la detección de cáncer de mama. Este enfoque multidisciplinario nos permitió abordar el problema desde varias perspectivas y lograr avances significativos en la construcción de un sistema de detección basado en IA.