Este trabajo se ocupa de la inversión computacionalmente eficiente de datos de dispersión de microondas para la detección y monitoreo de accidentes cerebrovasculares. El enfoque propuesto de múltiples pasos se basa en el paradigma de Aprendizaje por Ejemplos (LBE) y se ajusta naturalmente a las etapas y limitaciones de tiempo de un diagnóstico clínico efectivo. La detección, identificación y localización de accidentes cerebrovasculares se resuelven con rendimiento en tiempo real a través de máquinas de vectores de soporte (SVM) que operan tanto en clasificación binaria/multiclase como en modalidades de regresión. Los resultados experimentales relacionados con la inversión de datos controlados en laboratorio se muestran para verificar la efectividad de la metodología propuesta de múltiples pasos de LBE y demostrar su idoneidad como una alternativa/apoyo viable a los métodos de diagnóstico médico estándar.