La gestione clinica del carcinoma prostatico (PCa), neoplasia caratterizzata da una spiccata eterogeneità biologica, si affida oggi in modo cruciale alla Risonanza Magnetica Multiparametrica (mpMRI). Tuttavia, l'affidabilità diagnostica della mpMRI è strettamente subordinata alla qualità tecnica delle immagini, la cui valutazione standardizzata tramite il sistema PI-QUAL v2 risulta spesso soggettiva e dispendiosa in termini di tempo. Questo studio esplora lo sviluppo di un sistema automatico di supporto alle decisioni capace di discriminare la qualità diagnostica integrando tecniche di Radiomica, Machine Learning e Deep Learning. Utilizzando un dataset multicentrico di 802 pazienti provenienti dal progetto europeo ProCAncer-I, sono state analizzate le sequenze fondamentali T2w, ADC e DWI.