La mayoría de los métodos de búsqueda en espacios métricos asumen que la topología de la colección de objetos es razonablemente regular. Sin embargo, se sabe de la existencia de los Espacios Métricos Anidados - Nested Metric Spaces, que son algunos espacios métricos en donde los objetos de la colección pueden agruparse en clusters o subespacios. Aquí diferentes dimensiones o variables explican las diferencias entre los objetos dentro de cada subespacio anidado dentro de un espacio métrico más general. En este trabajo se presenta una estructura de índice de dos niveles para procurar resolver problemas de búsquedas en espacios de esta topología, intentando aprovechar las virtudes de un conjunto de técnicas de indexación ya conocidas. La idea es que un primer nivel posea una Lista de Clusters (LC), donde se tienen identificadas y ordenadas estas agrupaciones utilizando el Sparse Spatial Selection (SSS) y técnicas de Listas de Clusters; y en un segundo nivel se tenga un índice por cada cluster denso, basado en selección de pivotes, empleando el SSS. Además, se propone adaptar los índices del segundo nivel a las búsquedas que se están realizando, aplicando la “Selección Dinámica de Pivotes que se Adaptan a las Búsquedas en Espacios Métricos”, con el objetivo de adaptar los pivotes para mejorar las futuras búsquedas usando la información brindada por las búsquedas ya realizadas.