Este documento propone un método de diagnóstico basado en inteligencia artificial utilizando imágenes de resonancia magnética para lesiones del manguito rotador para ayudar en el tratamiento mediante la segmentación de áreas de desgarro y la evaluación de la gravedad del desgarro. Se desarrolló una red de aprendizaje profundo de múltiples modelos basada en la arquitectura Unet + FPN para segmentar automáticamente imágenes de lesiones del manguito rotador y determinar los grados de desgarro. Se utilizó un conjunto de datos de 376 pacientes con 5640 imágenes para el entrenamiento, con 94 pacientes adicionales y 1410 imágenes reservadas para pruebas. Para optimizar la segmentación, se aplicó una estrategia de coincidencia personalizada, logrando una Intersección sobre Unión (IoU) de 0.79 +/- 0.01 y un coeficiente de Dice de 0.75 +/- 0.01, lo que indica una alta precisión en la segmentación de áreas de desgarro. Para los indicadores de gravedad del desgarro, la precisión de estimación de retracción (ER) alcanzó 0.92 +/- 0.02, y la precisión de estimación del ancho de detención del desgarro (ESTW) alcanzó 0.79 +/- 0.01. Como el primer algoritmo de IA desarrollado específicamente para diagnosticar lesiones del manguito rotador, esta plataforma demuestra una precisión prometedora tanto en la segmentación de desgarros como en la evaluación de la gravedad, con el objetivo de apoyar a los médicos en la provisión de diagnósticos eficientes y precisos de desgarros del manguito rotador.