Objectives: 1) to develop a model neuronal to identify the evolution in short, medium and large term of the RPT using pre-transplant factors and to contrast it with the logistical regression (LR). 2) to determine the importance of the pre-operative variables, in the result of the RPT. 3) to carry out a computer application of help to the decision to indicate the TRI. Patients, material and method: retrospective study of 271 RPT, live and cadaver donors (first and retrasplants). Variables: donor´s age, type of donor, time in dialysis, cold isquemia, host´s age, title of citotoxic antibodies, etiology of the RPT, transplant number for the host, transfusions, incompatibility. Logistic Model: multivariante analysis with Cox´s regression for 1, 6, 12, 18, 24, 60 and 120 months, analysis of survival with Kaplan Meier´s, determination of the ROC curves for each moment and calculation of the area under the curve (AUC), cross points and their values: sensibility (Se), specificity (Sp), positive (PPV) and negative (NPV) predictive value, reason of verisimilitude for positive (RVP) and negative (RVN) test. Neural Model: multilayer perceptron with function of activation of hyperbolic tangent, 12 entrance neurons, 1 layer of hidden neurons, 1 of exit; determination of the ROC curves with the same parameters that LR. Realization of the process for the same moments of the LR. Comparison of ROC curves with Hanley and McNeil´s z. Importance of the variables in the ANN by sensiblity. Results: The results (Se, Sp, PPV, NPV, RVP, RVN) of the ANN are always superior to those of the LR and their differences are always statistically significant [P(1month)=0,0009698, P(6m)=0,000187, P(12m)=4,858E-05, P(18m)=4,383E-05, P(24m)=2,614E-06, P(60m)=1,818E-05, P(120m)=1,511E-05]. The importance of the variables according to the ANN shows the influence of donor's type. The computer program has provided a correct prediction. Conclusions: 1)ANN constitute a tool of prediction of the evolution of the RPT to short, half and large term. 2) the AUC is valid to compare both models. 3) ANN constitutes a potent tool to indicate the TRI. 4) the selected variables are valid to design a neural model of utility in the infantile TR. 5) the superiority of the ANN indicates the existence of non-lineal relationships among the variables.RESUMEN Introducción: Se plantea la aplicación de esta herramienta novedosa en el problema de la indicación del trasplante renal infantil (TRI). Objetivos: 1) Desarrollar un modelo neuronal para identificar, con la mayor sensibilidad y especificidad, la evolución a corto, medio y largo plazo del TRI mediante el empleo de factores pre-trasplante. 2) Contrastar la capacidad clasificatoria de las redes neuronales artificiales (RNA) frente a la regresión logística (RL) en el TRI. 3) Determinar la importancia de las variables pre-operatorias, en el resultado del TRI, según el modelo neuronal. 4) Realizar una aplicación informática que, utilizando la RNA, sirva como ayuda a la decisión para la indicación del TRI. Pacientes, material y método: estudio retrospectivo analítico de 271 TRI realizados en niños en el Hospital Infantil La Fe, de donante vivo y cadáver, incluyendo tanto primeros como retrasplantes. Variables: Edad donante, tipo donante, tiempo diálisis, isquemia fría, edad receptor, título de anticuerpos citotóxicos, etiología de la IRT, número de trasplante para el receptor, transfusiones, incompatibilidad. Modelo de RL: análisis multivariante mediante el método de regresión de Cox para 1, 6, 12, 18, 24, 60 y 120 meses, análisis de supervivencia con el método de Kaplan Meier, determinación de las curvas ROC para cada momento y cálculo del área bajo la curva (ABC), punto de corte y sus respectivos valores: sensibilidad (Se), especificidad (Sp), valores predictivos positivo (VPP) y negativo (VPN), razón de verosimilitud para test positivo (RVP) y negativo (RVN). Modelo neuronal: estructura de perceptrón multicapa con función de activación de tangente hiperbólica, 12 neuronas de entrada, 1 capa de neuronas ocultas, 1 de salida; determinación de las curvas ROC con los mismos parámetros que para la RL. Entrenamiento de la red con el 75% de los casos y validación con el resto. Realización del proceso para los mismos momentos evolutivos que para la RL. Comparación de las curvas ROC de ambos modelos para cada momento mediante la z de Hanley y McNeil, tal que z ≥ 1.96 son considerados significativos. Importancia de las variables en las RNA mediante variaciones de sensiblidad. Resultados: Los resultados (Se, Sp, VPP, VPN, RVP, RVN) del modelo neuronal son superiores a los de la RL de forma que existen siempre diferencias estadísticamente muy significativas entre las curvas ROC de los dos modelos [P(1mes)=0,0009698, P(6m)=0,000187, P(12m)=4,858E-05, P(18m)=4,383E-05, P(24m)=2,614E-06, P(60m)=1,818E-05, P(120m)=1,511E-05]. La importancia de las variables según las RNA, demuestra entre otras, la influencia del tipo de donante en la supervivencia del injerto. El programa informático con formato de página web proporciona una predicción acertada de la probabilidad de función del injerto a 1, 6, 12, 18, 24, 60, 120 meses. Conclusiones: 1) Las RNA constituyen una herramienta de predicción de la evolución del TR a corto, medio y largo plazo y son adecuadas por ofrecer sus resultados en términos equivalentes a la RL. 2) El ABC ROC es válida para comparar ambos modelos. 3) Las RNA constituyen una herramienta potente para discriminar el receptor y el donante idóneos para indicar el TRI. 4) Las variables seleccionadas son válidas para diseñar un modelo neuronal de utilidad en el TR infantil. 5) La superioridad de las RNA indica la existencia de complejas relaciones no lineales entre las variables empleadas, relaciones que no son representadas por el modelo logístico. 6) Dado que las redes neuronales implementadas en un programa informático amigable constituyen un instrumento útil en la ayuda a la decisión del trasplante renal infantil, consideramos aconsejable su empleo en otros tipos de trasplantes de órganos. ____________________________________________________________________________________________________