El síndrome de ovario poliquístico (SOP) es un trastorno complejo definido predominantemente por hiperandrogenismo bioquímico, oligomenorrea, anovulación y, en algunos casos, la presencia de microquistes ováricos. Esta endocrinopatía inhibe el desarrollo folicular ovárico causando síntomas como obesidad, acné, infertilidad e hirsutismo. La Inteligencia Artificial (IA) ha revolucionado la atención médica, contribuyendo notablemente a los dominios de la ciencia y la ingeniería. Por lo tanto, hemos demostrado un enfoque de IA utilizando clasificadores heterogéneos de Aprendizaje Automático (ML) y Aprendizaje Profundo (DL) para predecir el SOP entre pacientes fértiles. Utilizamos un conjunto de datos de código abierto de 541 pacientes de Kerala, India. Entre todos los clasificadores, el conjunto final de modelos de ML apilados múltiples tuvo el mejor rendimiento con una precisión, sensibilidad, recuperación y puntuación F1 del 98%, 97%, 98% y 98%. Las técnicas de IA Explicables (XAI) hacen que las predicciones del modelo sean comprensibles, interpretables y confiables. Por lo tanto, hemos utilizado técnicas de XAI como SHAP (SHapley Additive Values), LIME (Local Interpretable Model Explainer), ELI5, Qlattice e importancia de características con Random Forest para explicar los clasificadores basados en árboles. La motivación de este estudio es detectar con precisión el SOP en pacientes al mismo tiempo que se propone una arquitectura de cribado automatizado con herramientas de aprendizaje automático explicables para ayudar a los profesionales médicos en la toma de decisiones.