La enfermedad de Alzheimer es un trastorno neurodegenerativo progresivo que afecta la conectividad y dinámica cerebral desde etapas tempranas. Este estudio propone una metodología automatizada para apoyar su diagnóstico temprano mediante el análisis de señales electroencefalográficas, utilizando un enfoque basado en inteligencia artificial. Se recopilaron registros EEG de pacientes con Alzheimer y sujetos sanos, los cuales fueron preprocesados mediante filtrado en el rango 0.5–30 Hz, referencia centrada y remoción de artefactos con ICA. A partir de estas señales, se extrajeron once características relevantes que incluyen métricas espectrales (como energía por banda y frecuencia dominante), no lineales (entropía espectral, dimensión fractal) y de conectividad funcional. Con el objetivo de mejorar el balance de clases, se implementó un modelo autorregresivo de primer orden ...