Si bien la evaluación visual es la técnica estándar para la evaluación de quemaduras, cada vez se busca más el diagnóstico asistido por computadora debido al alto número de incidencias a nivel mundial. Los pacientes enfrentan cada vez más desafíos que no se limitan a la escasez de clínicos experimentados, la falta de accesibilidad a instalaciones de atención médica y el alto costo del diagnóstico. Un cierto número de estudios propusieron la discriminación entre quemaduras y piel sana utilizando aprendizaje automático, dejando un vacío enorme e importante sin abordar; si las quemaduras y lesiones cutáneas relacionadas pueden ser discriminadas de manera efectiva utilizando técnicas de aprendizaje automático. Por lo tanto, en este documento utilizamos específicamente el aprendizaje por transferencia aprovechando modelos de aprendizaje profundo pre-entrenados debido al deficiente conjunto de datos, para discriminar dos clases de lesiones cutáneas: piel quemada y piel lesionada. Se realizaron experimentos de manera extensiva utilizando tres modelos de aprendizaje profundo pre-entrenados de última generación que incluyen ResNet50, ResNet101 y ResNet152 para la extracción de patrones de imagen a través de dos estrategias de aprendizaje por transferencia: un enfoque de ajuste fino donde las capas densas y de clasificación fueron modificadas y entrenadas con características extraídas por las capas base y en el segundo enfoque se utilizó una máquina de soporte vectorial (SVM) para reemplazar las capas superiores de los modelos pre-entrenados, entrenadas utilizando características listas para usar de las capas base. Nuestro enfoque propuesto registra una precisión de clasificación casi perfecta en la categorización de piel quemada y piel lesionada de aproximadamente el 99.9%.