Este trabajo consiste en el desarrollo de un modelo de aprendizaje profundo y de aprendizaje poco profundo para el reconocimiento de expresiones faciales asociadas a la enfermedad de Parkinson; y de su integración en una aplicación web para crear una herramienta que ayude al diagnóstico temprano y al tratamiento oportuno de la enfermedad. La metodología consistió, primeramente, en el uso de la herramienta OpenFace para analizar videos de pacientes con la enfermedad de Parkinson y extraer imágenes y un archivo CSV con datos con referentes al rostro de la persona; luego se usaron las imágenes para entrenar una red de aprendizaje profundo, y el archivo CSV para entrenar varios modelos de aprendizaje poco profundo, para que puedan predecir si una persona tiene la enfermedad de Parkinson o no. Debido a la escasa cantidad de datos para el entrenamiento de los modelos de predicción de Parkinson y los pobres resultados que obtuvimos del entrenamiento, se optó por reentrenar los modelos para poder reconocer emociones en general; debido a que, según nuestra hipótesis, si los modelos pueden reconocer la emoción que expresa una persona por medio de sus expresiones fáciles, estos modelos podrían ser re-entrenados con más datos de pacientes de Parkinson y poder detectar la presencia de la enfermedad. Finalmente, se desarrolló un prototipo web en el que un médico puede subir un video de un paciente, especificar el intervalo de tiempo que desea que el prototipo web analice, y obtener una respuesta del modelo sobre cuál es la emoción que el paciente está expresando en el intervalo de tiempo especificado por el doctor.