La identificación de regiones únicas en genomas es una tarea clave en bioinformática, con aplicaciones relevantes en el diagnóstico molecular y la detección de patógenos. Este trabajo presenta un análisis comparativo de diversos algoritmos diseñados para esta tarea, evaluando su rendimiento en términos de eficiencia computacional y calidad biológica de los resultados. Se comparan las herramientas fur, KEC y GenMap, analizando sus ventajas y limitaciones mediante experimentos con datos simulados y reales. Los resultados muestran que fur es especialmente eficaz para la búsqueda de marcadores diagnósticos de alta especificidad, mientras que KEC ofrece una solución rápida y eficiente, útil en escenarios donde fur no encuentra resultados. A partir de estos análisis, se desarrolla KEC-FM, una nueva herramienta que combina el enfoque basado en k-meros de KEC con técnicas inspiradas en fur, optimizando tanto la eficiencia como la calidad de los marcadores identificados. Las evaluaciones experimentales demuestran que KEC-FM alcanza un rendimiento competitivo frente a las herramientas del estado del arte, posicionándose como una alternativa robusta para la identificación de regiones únicas en genomas.