Según informes médicos y estadísticas, las enfermedades de la piel tienen millones de víctimas en todo el mundo. Estas enfermedades pueden afectar la salud y la vida de los pacientes y aumentar los costos de los servicios de atención médica. Los retrasos en el diagnóstico de dichas enfermedades dificultan superar las consecuencias de este tipo de enfermedades. Por lo general, el diagnóstico se realiza utilizando imágenes dermatoscópicas, donde los especialistas utilizan ciertas medidas para producir los resultados. Este enfoque de diagnóstico enfrenta múltiples desventajas, como la superposición de enfermedades de la piel infecciosas e inflamatorias y altos niveles de diversidad visual, lo que obstaculiza un diagnóstico preciso. Por lo tanto, este artículo utiliza el análisis de imágenes médicas y la inteligencia artificial para presentar un sistema de diagnóstico automático de diferentes categorías de lesiones cutáneas utilizando imágenes dermatoscópicas. Las enfermedades tratadas son queratosis actínicas (queratosis solares), queratosis benignas (BKL), nevos melanocíticos (NV), carcinoma de células basales (BCC), dermatofibroma (DF), melanoma (MEL) y lesiones cutáneas vasculares (VASC). El sistema propuesto consta de cuatro pasos principales: (i) preprocesamiento de los datos de imagen cruda de entrada y metadatos; (ii) extracción de características utilizando seis modelos de aprendizaje profundo pre-entrenados (es decir, VGG19, InceptionV3, ResNet50, DenseNet201 y Xception); (iii) concatenación de características; y (iv) clasificación/diagnóstico utilizando técnicas de aprendizaje automático. Los resultados de la evaluación mostraron una precisión, sensibilidad, especificidad, precisión y coeficiente de similitud de disco (DSC) promedio de alrededor del 99.94%, 91.48%, 98.82%, 97.01% y 94.00%, respectivamente.