La detección precisa y temprana del grado de malignidad de los meningiomas es un desafío para los doctores, debido a que su ubicación y tamaño dificulta su diagnóstico. Los avances en Inteligencia Artificial han permitido mejorar la precisión en la clasificación del grado del tumor, en imágenes de resonancia magnética, obteniendo resultados más precisos y en menor tiempo. Así el médico puede tomar una mejor decisión para el tratamiento del paciente. El presente proyecto propone el desarrollo de un algoritmo de aprendizaje automático a partir de la segmentación del meningioma. Se realizó un estudio comparativo de diferentes modelos de clasificación y diferentes algoritmos de selección de características del meningioma. Los modelos basados en árboles alcanzaron mejores resultados, utilizando características de 3 conjuntos: forma tridimensional, matriz de grises y primer orden. Extra Trees resultó ser el mejor, con un puntaje F1 de 94%, seguido por Random Forest con 92%. Se integraron los modelos de segmentación y clasificación a una aplicación web, que permite el análisis de imágenes de resonancia magnética para clasificar el tumor. Los hallazgos obtenidos sugieren una guía para futuros estudios que busquen clasificar el grado de malignidad de meningiomas a partir de otros enfoques diferentes al análisis de sus características. Palabras Clave: Características radiómicas, Aprendizaje Automático, Aprendizaje Profundo, Tumor cerebral, Diagnóstico