A investigação das vestibulopatias tem sido realizada com a utilização de diversos exames complementares, dentre estes, a vectoeletronistagmografia (VENG). Embora a VENG direcione ao diagnóstico clínico, a preparação e análise do exame são morosos devido a aplicação de eletrodos na pela e visualização e cálculo dos resultados, respectivamente. Desse modo, este estudo buscou desenvolver uma ferramenta para auxílio no diagnóstico das vestibulopatias que acelere os procedimentos iniciais e análise dos resultados. Para esta proposição, foi desenvolvido um tracking shape do globo ocular com implementação da inteligência artificial. Os resultados parciais de análise e classificação das amostras supervisionados para simular a execução da tarefa pendular gerou um banco de dados inicial com arquivo .json como entrada para a Rede Neural Artificial Perceptron Multicamadas. Na fase de aplicação obteve-se o acerto de 91%, do total de 100 amostras, das quais 50 eram a saída desejada, em um total de 458 épocas e utilizando como critério de parada a precisão de ε = 0,01, na fase de treinamento. Esses resultados direcionam para a coleta de dados de pacientes com vestibulopatias, a fim de comparar os resultados da VENG com o sistema tracking shape desenvolvido neste estudo.