El presente trabajo estudia las modificaciones intrínsecas que el ejercicio físico produce en la respuesta cardíaca durante fibrilación ventricular (FV). Para ello se plantea el desarrollo de clasificadores (RL; regresión logística y ELM; Extreme Learning Machine) que diferencien entre el grupo control y los sujetos entrenados. Como parámetros de entrada a los clasificadores se han considerado dos relacionados con el espectro de la señal (FD: frecuencia dominante, y EN: energía normalizada), y otros relacionados con la regularidad y organización de las ondas de activación local, OAL, (IR: índice de regularidad y NO: número de ocurrencias). Se ha realizado un análisis de regiones de interés (ROI) de los tres primeros parámetros para valorar su uniformidad espacial. El trabajo tiene un doble objetivo: estudiar las capacidades de los distintos clasificadores y obtener información acerca de la importancia de las variables a la hora de realizar la clasificación. Se analizaron registros de mapeado cardíaco correspondientes a dos grupos: control (G1: sin entrenamiento, N=10) y entrenados (G2, N=9). Del estudio de las capacidades de ambos clasificadores, se puede observar cómo la ELM obtiene mejores índices de funcionamiento que la RL. Si se analiza el producto sensibilidad por especificidad en el conjunto de validación, se obtiene un 60.73% con la RL y un 72.37% con la ELM. En cuanto al análisis de variables, los resultados obtenidos sugieren que los cambios intrínsecos en FV debidos al ejercicio físico están relacionados con la regularidad morfológica y la uniformidad espectral de las señales de activación del tejido cardíaco.