Este documento presenta un nuevo sistema de clasificación de frente analógico que sirve como motor de activación para los back-ends digitales, dirigido a dispositivos integrados para la predicción de convulsiones epilépticas. La predicción de convulsiones epilépticas es de suma importancia para la calidad de vida del paciente, ya que pueden llevar a la parálisis o incluso resultar fatales. Las soluciones existentes dependen de motores de inferencia digital integrados que consumen mucha energía, típicamente varios W o incluso mW. Para aumentar la autonomía del dispositivo integrado, se presenta un nuevo enfoque que combina un extractor de características analógico con un clasificador binario basado en un modelo de mezcla gaussiana analógica. El sistema de clasificación propuesto proporciona una predicción inicial y eficiente en energía con alta sensibilidad para activar el motor digital para la evaluación precisa. El circuito del clasificador es eficiente en área de chip, opera con un consumo mínimo de energía (180 nW) a baja tensión de suministro ( V), permitiendo una operación continua a largo plazo. Basado en un conjunto de datos del mundo real, el sistema propuesto logra una sensibilidad del 100% para garantizar que todas las convulsiones sean predichas y una buena especificidad (69%), lo que resulta en una reducción significativa de la potencia del motor digital y, por lo tanto, del sistema total. El clasificador propuesto fue diseñado y simulado en un proceso CMOS de 90 nm de TSMC, utilizando la suite IC de Cadence.