En la práctica clínica, el diagnóstico de cáncer se lleva a cabo por patólogos que examinan láminas de vidrio que contienen muestras biológicas por medio de un microscopio. Por lo general, durante el diagnóstico, el patólogo debe determinar el grado de severidad del cáncer pues esta información permitirá tomar medidas relacionadas con el tratamiento del mismo. No obstante, la determinación del grado del cáncer depende de diferentes factores de gran complejidad, por lo cual, este análisis requiere de un alto grado de experiencia. Existen casos tal complejidad, que las opiniones entre patólogos expertos pueden variar significativamente (variabilidad inter-observador). Asimismo, se han reportado casos en los que un mismo patólogo cambia su veredicto al realizar una segunda revisión de la muestra (variabilidad intra-observador). El desarrollo de algoritmos computacionales para el soporte al diagnóstico puede ayudar a lidiar con dicho problema. Estas herramientas pueden proporcionar medidas cuantitativas que permitan a los patólogos realizar análisis objetivos, es decir, construir evidencia para soportar una decisión médica. Sin embargo, el desarrollo de dichos algoritmos supone importantes desafíos debido a la complejidad de las estructuras existentes en las muestras histológicas, así como al gran tamaño y la alta variabilidad de las imagenes adquiridas a partir de tales muestras. Este proyecto tiene por objeto desarrollar un conjunto de herramientas que mejore la calidad de las pruebas utilizadas en el diagnóstico del cáncer de mama, específicamente en la detección y determinación del grado en tumores con carcinoma ductal in situ, uno de las tipos más comunes de cáncer y cuyo pronto diagnóstico y tratamiento son cruciales. El flujo de trabajo de este proyecto se compone de dos fases: En primer lugar, la obtención de un conjunto de casos con diagnóstico previo de cáncer de mama (teñidos con Hematoxilina-Eosina, la técnica de coloración estándar) y digitalización de los mismos para construir una base de datos. En una segunda fase, el desarrollo de un método para cuantificación automática que contribuya a determinar el grado de severidad del tumor. Dentro de este flujo se pretende la integración de información asociada con las acciones que realiza un patólogo cuando está realizando un diagnóstico, una estrategia que, hasta el momento, no ha sido muy explotada en el estado del arte, pero que puede enriquecer significativamente los resultados.