Introducción: El glioblastoma es el tumor cerebral primario maligno más frecuente. La inteligencia artificial y dentro de ella las técnicas de aprendizaje automático, tienen el potencial de convertirse en herramientas de diagnóstico muy poderosas y ayudas confiables para los neurólogos clínicos.Objetivo: identificar glioblastomas mediante biomarcadores extraídos de imágenes de SPECT Cerebral con ^99mTc-MIBI utilizando el perceptrón multicapa.Resultados: se analizaron 220 imágenes (estudios precoz y tardío) de SPECT Cerebral con ^99mTc-MIBI de 110 pacientes con diagnóstico de glioma cerebral. El porciento de pronósticos incorrectos fue bajo tanto para el entrenamiento (2,7%) como para la prueba (2,9%) y el área bajo la curva ROC fue elevada tanto para la categoría glioblastoma como para la no glioblastoma (AUC = 0,995 en ambos casos). La mediana de la pseudoprobabilidad pronosticada para clasificar un glioma como un glioblastoma a través de este algoritmo cuando histológicamente no lo es, está por debajo del 3%. Conclusión: la red neuronal artificial propuesta y entrenada con el propósito de reconocer glioblastomas utilizando el perceptrón multicapa mediante biomarcadores extraídos de imágenes de SPECT Cerebral con ^99mTc-MIBI en una base de datos de gliomas cerebrales, tuvo un entrenamiento satisfactorio y mostró excelentes métricas de rendimiento.