El tratamiento con ultrasonido focalizado es una intervención quirúrgica no invasiva, que mejora los efectos motores de enfermedades como el Parkinson, Disquinesias y Temblor Esencial. Este tratamiento produce una lesión en el Núcleo Subtalámico, que requiere de una identificación precisa en el menor tiempo posible. Se presenta una herramienta web que permite segmentar de forma autónoma las lesiones presentes en el Núcleo Subtalámico, a partir del análisis y procesamiento de imágenes de resonancia magnética (MRI) en conjunto con la aplicación de técnicas de aprendizaje profundo. El módulo de aprendizaje profundo emplea como backbone la arquitectura Swin Tranformers y se basa en una arquitectura Unet, el cual fue entrenado a partir de un conjunto de datos 4000 ejemplos de imágenes potenciadas en T2 con cortes a 1mm de distancia. La propuesta basada en transformers obtuvo la segmentación de los volúmenes de interés con un coeficiente DICE del 0,80 y AVD (Average Volume Distance) del 0,0019. Se contrastó estos resultados con otras arquitecturas, tales como CCT (Compact Convolutional Transformer) y MobileViT las cuales no obtuvieron un desempeño a nivel de la arquitectura Swin Transformer. El módulo que corresponde al prototipo acopla el modelo de segmentación con una interfaz web que permite subir una MRI, procesarla y devolver una máscara de segmentación superpuesta, además de proveer un mecanismo de retroalimentación para la evaluación por parte de personal administrativo.