Este documento investiga el rendimiento de la detección de señales basada en redes neuronales profundas (DNN) en sistemas de comunicación de múltiples entradas y múltiples salidas (MIMO). La tecnología MIMO juega un papel crítico en la consecución de altas tasas de datos y una capacidad mejorada en los estándares de comunicación inalámbrica modernos como el 5G. Sin embargo, la detección de señales en sistemas MIMO presenta desafíos significativos debido a las complejidades del canal. Este estudio realiza un análisis comparativo de las técnicas de detección de señales dentro de los marcos de entrada única y salida única (SISO) y MIMO. El análisis se centra en toda la cadena de transmisión, abarcando transmisores, canales y receptores. La efectividad de tres métodos tradicionales: detección de máxima verosimilitud (MLD), error cuadrático medio mínimo (MMSE) y anulación cero (ZF) se evalúa meticulosamente junto con un enfoque novedoso basado en DNN. El estudio propuesto presenta un modelo de detección de señales basado en DNN. Si bien este modelo demuestra una eficiencia computacional superior y un rendimiento de tasa de error de símbolo (SER) en comparación con técnicas más convencionales como MLD, MMSE y ZF en el contexto de un sistema SISO, los sistemas MIMO enfrentan algunos desafíos para superar las técnicas convencionales específicamente en términos de tiempos de computación. Esta complejidad de los sistemas MIMO presenta desafíos que el diseño actual de DNN aún no ha abordado completamente, lo que indica la necesidad de desarrollos adicionales en la tecnología de comunicación inalámbrica. La diferencia de rendimiento observada entre los sistemas SISO y MIMO subraya la necesidad de más investigación sobre la adaptabilidad y limitaciones de las arquitecturas DNN en contextos MIMO. Estos hallazgos allanan el camino para futuras exploraciones de arquitecturas y algoritmos avanzados de redes neuronales diseñados específicamente para tareas de procesamiento de señales MIMO. Al superar la brecha de rendimiento observada en este trabajo, tales avances tienen una promesa significativa para mejorar la efectividad de la detección de señales basada en DNN en sistemas de comunicación MIMO.