La detección temprana del cáncer de piel es de crucial importancia para planificar una terapia efectiva para tratar la lesión. En la práctica médica de rutina, el diagnóstico se basa en la inspección visual de la lesión y depende de la experiencia de los dermatólogos. Después de un primer examen, el dermatólogo puede requerir una biopsia para confirmar si la lesión es maligna o no. Esta metodología sufre de problemas de falsos positivos y negativos, lo que lleva a procedimientos quirúrgicos innecesarios. La imagen hiperespectral está ganando relevancia en este campo médico ya que es una técnica no invasiva y no ionizante, capaz de proporcionar una precisión mayor que los métodos de imagen tradicionales. Por lo tanto, el desarrollo de un sistema de clasificación automática basado en imágenes hiperespectrales podría mejorar la práctica médica para distinguir lesiones cutáneas pigmentadas de lesiones malignas, benignas y atípicas. Además, el sistema puede ayudar a los médicos generales en la atención de primeros auxilios para evitar que las lesiones no críticas lleguen a los dermatólogos, aliviando así la carga de trabajo de los especialistas médicos. En este artículo se presenta un pipeline paralelo para la detección de cáncer de piel que explota la imagen hiperespectral. Los tiempos computacionales del procesamiento en serie se han reducido al adoptar tecnologías multicore y many-core, como los paradigmas OpenMP y CUDA. Se han combinado diferentes enfoques paralelos, lo que ha llevado al desarrollo de quince versiones del pipeline de clasificación. Los resultados experimentales utilizando imágenes hiperespectrales in vivo muestran que un enfoque paralelo híbrido es capaz de clasificar una imagen de 50 x 50 píxeles con 125 bandas en menos de 1 s.