El presente proyecto tiene como objetivo desarrollar un sistema de monitoreo y predicción en tiempo real del Congelamiento de la Marcha (CDM) en pacientes con enfermedad de Parkinson. La hipótesis plantea que el uso de microcontroladores de código abierto y técnicas de machine learning mejorará la detección y manejo del CDM, justificándose por la necesidad de soluciones más precisas para mitigar los riesgos asociados con esta condición. Para lograrlo, se utilizó un dispositivo portátil equipado con sensores de aceleración, y se implementaron algoritmos de machine learning para analizar los datos recolectados. Durante el desarrollo, se seleccionaron y configuraron acelerómetros y microcontroladores, y se entrenaron modelos predictivos utilizando datos de pacientes. Los resultados muestran que el sistema puede detectar episodios de CDM en tiempo real, aunque la precisión de las predicciones requiere de una mayor cantidad de datos de entrenamiento. Se concluye que el sistema tiene el potencial de monitoriar la marcha de los pacientes con Parkinson, aunque es necesario continuar investigando para perfeccionar la tecnología. Palabras Clave: Congelamiento de la Marcha, Parkinson, machine learning, sensores de aceleración.