La enfermedad de Parkinson (EP) es un trastorno cerebral crónico que afecta a millones de personas en todo el mundo. Ocurre cuando las células cerebrales que producen dopamina, una sustancia química que controla el movimiento, mueren o se dañan. Esto lleva a la EP, que causa problemas con el movimiento, el equilibrio y la postura. La detección temprana es crucial para ralentizar su progresión y mejorar la calidad de vida de los pacientes con EP. Este documento propone un enfoque de predicción basado en la escritura a mano que combina un programador de recocido coseno con aprendizaje profundo por transferencia. Utiliza el conjunto de datos NIATS, que contiene muestras de escritura a mano de individuos con y sin EP, para evaluar seis modelos diferentes: VGG16, VGG19, ResNet18, ResNet50, ResNet101 y Vit. Este documento compara el rendimiento de estos modelos en función de tres métricas: precisión, exactitud y puntuación F1. Los resultados mostraron que el modelo VGG19, combinado con el método propuesto, logró la mayor precisión promedio del 96.67%.