La enfermedad de Alzheimer (EA) es la causa más frecuente entre las demencias degenerativas primarias, y se caracteriza clínicamente por alteraciones de la memoria y de otros dominios cognitivos, comprometiendo el desempeño global del individuo [Neary et al., 2005; Piguet et al., 2011; van der Flier and Scheltens et al., 2005]. El estudio de esta enfermedad ha permitido plantear la hipótesis de que la disfunción cognitiva es resultado de la ruptura del equilibrio óptimo entre la segregación local y la integración global de procesamiento de la información neuronal en las redes cerebrales [Yu et al., 2016]. La interacción de las redes cerebrales, comúnmente conocida como conectividad funcional,se puede caracterizar a través de las señales de Electroencefalografía (EEG), las cuales representan la actividad eléctrica cerebral oscilatoria con alta resolución temporal [Galka et al., 2004; Michel et al., 2004; Speckman et al., 2011]. Así, los ritmos cerebrales medidos en las señales EEG, revelan patrones involucrados en diferentes procesos cognitivos [Amzica et al., 2011; Wang et al., 2010]. Consecuentemente, las señales EEG presentan un gran potencial para identificar biomarcadores para varias enfermedades neurodegenerativas, incluyendo la EA [Lopes da Silva et al., 2013]. De esta forma, el desarrollo de sistemas automáticos de apoyo al diagnóstico médico basados en técnicas de procesamiento digital de señales, generan productos con alto valor agregado, llevando a las instituciones hospitalarias a ser más competitivas en la prestación de sus servicios tanto en el ámbito nacional como en el internacional. En particular, el sistema propuesto permitirá encontrar patrones cerebrales de la EA basados en estudios sobre pacientes colombianos realizados en la Clínica de la Memoria en el eje cafetero.