La radioterapia es un tratamiento útil para el cáncer, pero también puede causar cambios en muchas moléculas, lo que resulta en efectos adversos. Entre estos cambios, la aparición de patrones anormales de metilación del ADN ha alarmado a los científicos. Para explorar la influencia de la radioterapia específica de la región en la metilación del ADN en sangre, diseñamos un flujo de trabajo computacional utilizando métodos de aprendizaje automático que pueden identificar alteraciones de metilación cruciales relacionadas con la exposición al tratamiento. Se excluyeron características de metilación irrelevantes de los perfiles de metilación del ADN de 2052 sobrevivientes de cáncer infantil mediante el método Boruta, y las características restantes se clasificaron utilizando el método de máxima relevancia mínima redundancia para generar listas de características. Estas listas de características se alimentaron luego al método de selección de características incremental, que utiliza una combinación de bosque profundo, vecino más cercano, bosque aleatorio y árbol de decisión para encontrar las firmas de metilación más importantes y construir los mejores clasificadores y reglas de clasificación. Se han descubierto y confirmado varias firmas y reglas de metilación, lo que permite una mejor comprensión de los patrones de metilación en respuesta a diferentes exposiciones al tratamiento.