There are Machine Learning (ML) algorithms for the development of recognition and classification models for medical images, aiming to facilitate access to the healthcare sector.Therefore, this paper seeks to demonstrate the effectiveness of the Support Vector Machine (SVM) algorithm for classifying skin lesion images into Melanoma and Non-Melanoma categories.With this aim, an ML model was developed and trained using the Python programming language, SVM, and images from the ISIC 2019 and ISIC 2020 repositories.For model development, training, and testing, Amazon Web Services cloud services were employed, yielding results of 0.77 precision, 0.82 recall or sensitivity, 0.80 F1-Score, and 0.76 accuracy.These effectiveness metric results exceeding 0.75 or 75% endorse the suitability of the model for medical applications in the field of image recognition and classification.

"En el presente trabajo, se identificaron una serie de causas que provocan diagnósticos erróneos o tardíos, lo que deriva en una probabilidad más baja de superación de este cáncer. Entre las causas tenemos al desconocimiento de la enfermedad, a los recursos médicos insuficientes, a la abstención de atención médica debido a los bajos recursos económicos y al personal médico limitado en ciertos sectores y/o regiones del país, en especial Cusco. Con el objetivo de contribuir a la solución de este problema, se propuso la implementación de un modelo analítico basado en Machine Learning, diseñado para la detección temprana del melanoma. Este modelo no pretende reemplazar la experiencia de un dermatólogo, sino actuar como una herramienta de apoyo para el diagnóstico inicial, lo que permitiría un inicio de tratamiento más rápido y aumentaría las posibilidades de recuperac...