El Alzheimer se trata de una enfermedad neurodegenerativa, irreversible e incurable que destruye las células nerviosas del cerebro, y se manifiesta con la pérdida de capacidad de raciocinio, de memoria, de orientación y de otras capacidades mentales. Igualmente, el Alzheimer es la forma más común de demencia para personas mayores de 65 años de edad, donde a nivel mundial se estiman un total 47.5 millones de personas afectadas y una tasa de nuevos casos detectados de 7.7 millones de personas por año ([1]). En Colombia, este tipo de demencia representa el 1.8% y 3.4% en grupos de pacientes mayores a 65 y 75 años, respectivamente; con una tasa de crecimiento proyectada a 2020 en mayores de 60 años de 4.1% ([2]). El diagnóstico temprano es uno de los mayores retos que actualmente enfrenta la lucha contra el Alzheirmer, debido a que todavía prevalecen altas tasas de casos no detectados a tiempo (o falsos positivos) entre el 35% y 90% en algunos centros hospitalarios ([2], [3]), [5]). Aunque, el diagnostico generalmente se hace a través del historial médico y de evaluaciones neuropsicológicas, el uso de imágenes médicas ha jugado un rol importante en la búsqueda de marcadores biológicos para su detección temprana; como a su vez, en su monitoreo y respuesta ante distintos tratamientos médicos. Algunos de los distintos tipos de imágenes comúnmente utilizadas son: tomografías computarizadas (CT), imágenes de resonancia magnética (MRI) y tomografías por emisión de positrones (PET). Usando imágenes MRI, una de las técnicas usadas para detectar la presencia de la patología, es la morfometría basada en patrones (PBM) ([4]). Básicamente, PBM es una técnica que busca determinar patrones dentro de un conjunto de imágenes que permitan caracterizar las diferencias entre dos grupos de poblaciones, pero siguiendo un enfoque global y no local como otras técnicas tradicionales. Tales patrones, describen regiones del cerebro asociadas con la presencia de la enfermedad, y son determinados usando técnicas de aprendizaje basados en diccionarios como K-SVD. No obstante, en el ámbito de máquinas de aprendizaje (Machine Learning), la determinación de patrones (funciones bases) no es restrictivo al uso de técnicas como K-SVD. Por lo tanto, el objetivo de este proyecto es aplicar técnicas de reducción de dimensionalidad para encontrar patrones que permitan establecer diferencias entre regiones cerebrales de una población de pacientes enfermos y de control (sanos), usando imágenes MRI. Finalmente, el objetivo es usar esta información para la clasificación de pacientes de control y con Alzheimer.