Se presenta en este artículo un sistema de bra-tenna textil portátil basado en sensores de dual-polarización para la detección de cáncer de mama (CM). El concepto central detrás de nuestro trabajo es investigar qué tipo de polarización es más efectiva para la detección de CM, utilizando la combinación de señales de polarización ortogonales con técnicas de aprendizaje automático (AA) para mejorar la precisión de la detección. Los sensores de bra-tenna tienen un ancho de banda que varía de 2 a 12 GHz. Para complementar el sistema propuesto, se desarrolla y prueba la detección basada en algoritmos de aprendizaje automático (AAM) para mejorar su funcionalidad. Utilizando señales dispersas en diferentes polarizaciones, el sistema de bra-tenna utiliza AAM para predecir el CM en sus primeras etapas. Las técnicas de clasificación son altamente efectivas para la clasificación de datos, especialmente en el campo biomédico. Se consideran dos escenarios: Escenario 1, donde el sistema detecta un tumor o no-tumor, y Escenario 2, donde el sistema detecta tres clases de uno, dos y no-tumores. Esto confirma que los AAM pueden detectar tumores tan pequeños como 10 mm. Se aplican técnicas de AA, incluidos ocho algoritmos como la Máquina de Vectores de Soporte (MVS), Bosque Aleatorio (BA), Métodos de Aumento de Gradiente (MAG), clasificador de Árbol de Decisión (AD), Ada Boost (AD), CatBoost, Aumento de Gradiente Extremo (XG Boost) y Regresión Logística (RL), a este conjunto de datos equilibrado. Para un análisis óptimo del CM, se realiza una evaluación de rendimiento. Notablemente, la MVS logra un rendimiento excepcional en ambos escenarios, con métricas como su puntuación F1, recuperación, precisión, curva característica operativa del receptor (ROC), área bajo la curva ROC (AUC) y precisión, todas superando el 90%, ayudando a los médicos a investigar eficazmente el CM. Además, la configuración del sensor Horizontal-Horizontal (HH) logró la mayor precisión del 98% y 99% para las MVS en los dos escenarios, respectivamente.