Hoy en día, las estrategias de monitoreo de vías ferroviarias se basan en el uso de vehículos de inspección ferroviaria y sistemas de monitoreo dinámico en la vía. Estos últimos a veces requieren interrupciones en el tráfico, así como actividades que consumen más tiempo y costos, y el uso de vehículos de inspección dedicados es menos económico y eficiente que el uso de vehículos en servicio. Además, el uso de algoritmos no automatizados enfrenta desafíos en lo que respecta a la detección temprana de daños en la infraestructura ferroviaria, considerando aspectos operativos, ambientales y de grandes datos, y puede llevar a falsas alarmas. Para superar estos desafíos, la aplicación de algoritmos de inteligencia artificial (IA) para la detección temprana de defectos en las vías utilizando aceleraciones, medidas por sistemas de monitoreo dinámico en vehículos ferroviarios en servicio, está atrayendo la atención de los gerentes ferroviarios. En este documento, se aplica una metodología basada en IA basada en señales de aceleración de cajas de ejes para la detección temprana de daños distribuidos en las vías en términos de nivel longitudinal y alineación lateral. La metodología se basa en la extracción de características utilizando un modelo autorregresivo, normalización de datos utilizando análisis de componentes principales, fusión de datos y discriminación de características utilizando la distancia de Mahalanobis y análisis de valores atípicos, considerando ocho acelerómetros a bordo. Para las simulaciones numéricas, se consideran 75 escenarios de vías no dañadas y 45 dañadas. También se asume el estado límite de alerta definido en la norma europea para evaluar la calidad de la geometría de las vías como un umbral. Se encontró que la precisión de detección de la metodología basada en IA para diferentes disposiciones de sensores y tipos de daños es superior al 94%, lo cual es aceptable.