En este documento se presenta un algoritmo propuesto que cambia dinámicamente la estructura de la red neuronal. La estructura se modifica en función de algunas características en el algoritmo de correlación en cascada. La correlación en cascada es un algoritmo importante que se utiliza para resolver el problema real mediante redes neuronales artificiales como una nueva arquitectura y algoritmo de aprendizaje supervisado. Este proceso optimiza las arquitecturas de la red con el objetivo de acelerar el proceso de aprendizaje y producir un mejor rendimiento en generalización. Hasta la fecha, muchos investigadores han propuesto varios algoritmos de crecimiento para optimizar las arquitecturas de redes neuronales feedforward. El algoritmo propuesto ha sido probado en varios conjuntos de datos médicos. Los resultados demuestran que el algoritmo propuesto es un mejor método para evaluar la precisión y flexibilidad resultante de él.