Pocos estudios se han publicado sobre el análisis y la correlación de datos de estudios mineralógicos de procesos de mineral de oro utilizando redes neuronales artificiales (ANNs). Este estudio tuvo como objetivo analizar e investigar las correlaciones obtenidas mediante la caracterización tecnológica del mineral aurífero utilizando una ANN llamada mapa autoorganizado (SOM) para apoyar estudios geometalúrgicos. El SOM es una técnica de análisis de datos en la que los patrones y relaciones dentro de una base de datos se derivan internamente y las salidas son visuales, ayudando en la comprensión de los datos en la representación de mapas en 2D. En la representación generada, fue posible establecer que las variables de accesibilidad, perímetro expuesto, diámetro medio de grano de oro (D50) y contenidos de SiO y arsénico tienen fuertes correlaciones positivas. En cuanto a la geometalurgia, este estudio muestra que el SOM puede identificar patrones químicos-mineralógicos de mineral de oro a gran escala, lo que puede ayudar a definir las variables indicadoras más relevantes para el procesamiento mineral.