En este trabajo se diseñó e implementó un sistema de inteligencia artificial explicativa orientado al diagnóstico de
cáncer de piel a partir de imágenes dermatoscópicas, capaz de ofrecer explicaciones claras, útiles y confiables sobre sus
decisiones. Se desarrolló un enfoque multimodal que integra explicaciones visuales, textuales y numéricas, utilizando
técnicas de interpretabilidad como SHAP, procesamiento clásico de imágenes y modelos de lenguaje biomédico
ajustados mediante recuperación de información. Se empleó la base de datos ISIC para la validación del modelo de
clasificación, basado en el algoritmo XGBoost, y se integró un sistema de mapeo conceptual que vincula las
características identificadas con criterios clínicos establecidos. La evaluación se realizó mediante el marco Co-12, que
contempla dimensiones como contenido, presentación e interacción con el usuario, combinando métricas objetivas y
encuestas aplicadas a médicos especialistas en dermatología. Los resultados mostraron que el sistema es percibido como
relevante, claro y confiable, incluso por profesionales con conocimientos limitados en inteligencia artificial. Las
explicaciones textuales fueron el formato más valorado, seguidas por listas de características y representaciones
visuales. El sistema logró cumplir su objetivo, al demostrar su utilidad clínica, facilidad de comprensión y potencial
educativo. Se concluye que esta propuesta constituye un avance significativo en la integración de sistemas explicativos
en contextos clínicos reales, abriendo nuevas líneas de desarrollo en cuanto a personalización, interactividad y
trazabilidad de las fuentes utilizadas por los modelos.