El càncer de mama és una de les principals causes de mort entre les dones. Amb la millora de les tecnologies de diagnòstic per imatge, una resolució més alta en mamografies digitals proporciona al radiòleg una millor capacitat per anticipar-se i detectar característiques anormals en la imatge en etapes més primerenques, però també provoca confusions en fer visibles altres objectes (p.e. conductes seccionats o ganglis). Encara que no totes corresponen a processos malignes, aquestes noves troballes comparteixen característiques similars amb lesions reals (calcificacions i masses), i per tant, poden afectar el rendiment del sistema CAD donant més falsos positius. L'objectiu d'aquest treball és explicar els tipus d'objectes i anomalies que poden trobar-se en la mama i, després d'un procés d'extracció exhaustiva de variables, realitzar anàlisis multivariant per a comprendre millor quines són les característiques més rellevants per a la detecció automàtica de múltiples patrons en la mama. A continuació, s entrena un classificador Random Forest per a la classificació multi-classe de 6 objectes i patrons típics de mama: calcificacions amb forma de "crispeta de blat de moro", micro-calcificacions, calcificacions tubulars, teixit mamari normal, mugrons i vasos seccionats.