El cáncer de mama (CM) es la neoplasia más común y una de las principales causas de mortalidad oncológica en mujeres a nivel mundial. En 2022, se diagnosticaron aproximadamente 2.3 millones de casos nuevos y más de 665,000 muertes a nivel global, con una representación del 24% entre todos los cánceres (Ferlay et al., 2024; Bray et al., 2024). En Colombia, el CM es el tipo de cáncer más frecuente, con 17,018 nuevos casos y 4,752 muertes estimadas en 2022. Se proyecta que para 2045, estas cifras aumenten a 25,800 casos y 8,200 muertes (Ferlay et al., 2024). El aumento sostenido de casos de cáncer de mama representa un desafío creciente para el sistema de salud, no solo por su alta incidencia y mortalidad, sino por la complejidad que implica su manejo clínico. Su manejo requiere la coordinación de un equipo multidisciplinario cuya colaboración oportuna es fundamental para evitar demoras en el inicio del tratamiento, ya que se ha demostrado que estos retrasos impactan negativamente en la supervivencia de las pacientes (Williams, 2015). El cáncer de mama es el resultado de una compleja interacción entre factores genéticos y ambientales, que se acumulan con el envejecimiento y alteran profundamente la biología celular (Priya et al., 2024). Estas alteraciones no solo afectan la expresión génica y las vías de señalización, sino que remodelan el microambiente tumoral, generando un paisaje biológico altamente heterogéneo Hanahan, 2022). Las limitaciones actuales en la precisión y la accesibilidad de los métodos diagnósticos, sumado al déficit de especialistas en Colombia, incrementan las demoras y dificultades en la atención. Frente a este desafío, surge la necesidad de desarrollo de herramientas automatizadas que integren múltiples fuentes de información clínica y morfológica para apoyar el diagnóstico de manera más rápida y confiable. Este proyecto propone una solución innovadora mediante el uso de modelos de aprendizaje de máquina que combinan variables clínicas e imágenes histopatológicas con el fin de identificar patrones asociados al diagnóstico automatizado del cáncer de mama en pacientes colombianas. Esta identificación representa un avance crucial hacia una medicina personalizada, más eficaz y equitativa.