Las redes neuronales artificiales son un paradigma de aprendizaje y procesamiento automático que nace como concepto en el año 1943 haciendo de esta una técnica que cuenta con una cantidad no despreciable de años de estudio, sin embargo su utilización en problemas como el que se presenta en esta investigación (clasificación de accidentes de tránsito) son relativamente recientes. Si bien los accidentes de tránsito han sido analizados por distintas técnicas y algoritmos de minería de datos, tales como árboles de decisión, redes bayesianas y maquinas de soporte vectorial (SVM), la utilización de algoritmos evolutivos, como por ejemplo Optimización por enjambre de Partículas (PSO), no han sido incorporados del todo dentro de éstas investigaciones, pese a que son alternativas no despreciables al momento de obtener resultados satisfactorios, como los obtenidos en 1Debido a lo anterior, en ésta investigación se presentan modelos de clasificación que miden la severidad de las lesiones en accidentes de tránsito de la Región Metropolitana, utilizando redes neuronales artificiales en conjunto con algoritmos evolutivos (PSO). Los mejores resultados se obtuvieron con la variante Optimizador por Enjambre de Partículas con Adaptación Dinámica (DAPSO) en conjunto con las funciones de activación sigmoidal para capa oculta y softmax para la capa de salida, la cual arrojo una exactitud del 82,36% lo cual indica que se clasifican correctamente, en dicho porcentaje a las personas lesionadas o ilesas.