Antecedentes: El uso de sistemas de Inteligencia Artificial (IA) para diagnósticos automáticos está en aumento en el ámbito clínico, siendo un apoyo útil para la identificación de varias enfermedades. No obstante, la aceptación de diagnósticos basados en IA por parte de los médicos se ve obstaculizada por el enfoque de caja negra implementado por la mayoría de los sistemas de alto rendimiento, que no indican claramente las reglas de clasificación adoptadas. Métodos: En este marco, proponemos un método de clasificación basado en un enfoque de Programación Genética Cartesiana (CGP), que permite la identificación automática de la presencia de la enfermedad y, al mismo tiempo, proporciona el modelo de clasificación explícito utilizado por el sistema. Resultados: El enfoque propuesto ha sido evaluado en el conjunto de datos HandPD, disponible públicamente, que contiene muestras de escritura a mano de pacientes con enfermedad de Parkinson y controles sanos. Mostramos que nuestro enfoque se compara favorablemente con métodos de vanguardia y, lo que es más importante, permite al médico identificar un modelo explícito relevante para el diagnóstico basado en el subconjunto de características más informativas. Conclusión: Los resultados obtenidos sugieren que el enfoque propuesto es particularmente atractivo en el sentido de que, a partir del modelo explícito, permite a los médicos derivar un conjunto de pautas para definir nuevos protocolos de prueba y estrategias de intervención.