INTRODUCCIÓN: La interpretación de la resonancia magnética multiparamétrica (mpMRI) de próstata presenta una variabilidad interobservador crítica, especialmente en lesiones indeterminadas. El desafío radica en equilibrar la detección del cáncer clínicamente significativo (csPCa; ISUP ≥2) con la reducción de biopsias innecesarias. La radiómica ofrece una solución al convertir imágenes en datos cuantitativos de textura y densidad celular. Este estudio desarrolla y valida un modelo explicable centrado en la glándula para proporcionar predicciones precisas y justificadas visualmente.

MATERIAL Y MÉTODO: Se analizaron 1500 casos del dataset multicéntrico PI-CAI (secuencias T2W, DWI y ADC). Se implementó un algoritmo de segmentación automática para restringir el análisis exclusivamente al volumen prostático, eliminando ruido periprostático. Tras la normalización y estandarización de las imágenes para corregir variaciones entre escáneres, se extrajeron características de primer y segundo orden (textura, forma e intensidad). Se entrenaron clasificadores mediante validación cruzada y se aplicaron técnicas de importancia de variables para garantizar la explicabilidad del modelo.

RESULTADOS: El enfoque centrado en la glándula mejoró significativamente el rendimiento diagnóstico (AUC 0.74-0.81 vs. 0.56-0.64). El modelo final alcanzó un AUC de 0.847, sensibilidad del 77.6%, especificidad del 81.2% y un Valor Predictivo Negativo (VPN) del 90.3%. Las características más informativas derivaron de las secuencias de difusión (DWI/ADC), asociando la homogeneidad textural y la restricción de señal con la agresividad tumoral.

CONCLUSIONES: Un modelo radiómico explicable basado en secuencias estándar permite predecir eficazmente el csPCa. Su alto VPN y la capacidad de proporcionar un razonamiento visual cuantitativo respaldan su utilidad como herramienta de apoyo a la decisión clínica, permitiendo reducir biopsias innecesarias y estandarizar la evaluación de casos equívocos