Este estudio desarrolla un marco de Markov de tres estados para estimar las tasas de transición entre cáncer de mama normal, fase preclínica detectable en pantalla (PCDP) y cáncer de mama clínico utilizando datos simulados. Se exploran dos modelos exponenciales: un modelo de transición de cinco modos y un modelo de transición de seis modos, este último incorporando los tiempos exactos de los casos de cáncer. Cada modelo se analiza tanto con covariables como sin ellas para evaluar su influencia en la progresión del cáncer de mama. Los parámetros se estiman utilizando la estimación de máxima verosimilitud y modelos bayesianos con muestreo de Gibbs para garantizar la robustez y el rigor metodológico. Además, se introduce un modelo no homogéneo basado en la distribución de Weibull para tener en cuenta las tasas de transición variables en el tiempo, proporcionando una perspectiva más dinámica sobre la progresión de la enfermedad. Si bien el análisis se realiza con datos simulados, el marco es adaptable a conjuntos de datos del mundo real, ofreciendo ideas valiosas para refinar las políticas de detección y optimizar los intervalos entre detecciones.