El avance de los algoritmos de aprendizaje automático ha posibilitado la aplicación de nuevos métodos con capacidad diagnóstica igual a su contraparte humana, permitiendo el alcance a una mayor cantidad de usuarios, superando las restricciones de recursos limitados, en menor tiempo y garantizando la reproducibilidad de los resultados. Los algoritmos de aprendizaje automático son susceptibles a los datos con que se los entrena y sus resultados pueden variar si los datos a los que se los aplica no provienen de la misma población que se utilizó para entrenar los algoritmos. Ésta es una de las razones de relevancia para la generación de capacidades locales en la creación y evaluación de las nuevas técnicas, especialmente en el área de la salud donde importa tanto el resultado como la interpretación del método por el que se llegó al mismo. La presente investigación tiene como propósito la generación de algoritmos de aprendizaje automático para la identificación de la patología cardíaca, fibrilación auricular, a partir de datos de la señal electrocardiográfica de una sola derivación con un dispositivo móvil de tecnología electrónica. La fibrilación auricular (FA) es la arritmia sostenida más frecuente en el adulto, y su prevalencia aumenta con la edad. Según el informe “Global Burden of Diseases, Injuries, and Risk Factors Study” de 2010 se estimó que en este año 33,5 millones de individuos presentaban FA, constituyendo aproximadamente el 0,5% de la población mundial. Su incidencia y prevalencia van en aumento. Esto puede explicarse en gran medida por el envejecimiento de la población y el aumento de la comorbilidad. La FA es la primera causa de internación por arritmia cardíaca y existe evidencia de que se viene incrementando como causa de internación. Las múltiples internaciones generan deterioro en la calidad de vida en una población especialmente vulnerable, aumentando los costos en salud.