La detección de los síntomas de las enfermedades neurodegenerativas suele producirse en las últimas fases de la enfermedad, por lo que una detección temprana ayudaría a mejorar la calidad de vida del paciente. La base de datos PhysioNet proporciona información sobre la biomecánica de pacientes con la enfermedad de Parkinson (EP), la esclerosis lateral amiotrófica (ELA) y la enfermedad de Huntington (EH). En este trabajo se utilizan datos espacio-temporales para medir el coste energético y la densidad espectral de potencia en estas patologías. Se utilizan técnicas de c-medias difusas, algoritmo de aprendizaje para el análisis de datos multivariados - LAMDA, y redes neuronales para clasificar datos de marcha de voluntarios con enfermedades neurodegenerativas y un grupo de control. Se entrenaron clasificadores de dos clases: Ctrl+PD, Ctrl+PD y Ctrl+HD. El emparejamiento mejoró el ajuste de LAMDA con un 98,3%, el de la red neuronal con un 97,0% y el de Fuzzy C-means con un 90,2%. El uso potencial de estas técnicas de clasificación permitirá la detección temprana de enfermedades neurodegenerativas, incluyendo nuevos dispositivos que permitan el análisis de la marcha fuera del laboratorio.