La clasificación de imágenes es central en la revolución de los grandes datos en medicina. Los métodos mejorados de procesamiento de información para el diagnóstico y la clasificación de imágenes médicas digitales han demostrado ser exitosos a través de enfoques de aprendizaje profundo. A medida que se explora este campo, existen limitaciones en el rendimiento de los clasificadores supervisados tradicionales. Este documento describe un enfoque que es diferente de las tareas actuales de clasificación de imágenes médicas que ven el problema como una clasificación multiclase. Realizamos una clasificación jerárquica utilizando nuestro enfoque de Clasificación Jerárquica de Imágenes Médicas (HMIC). HMIC utiliza pilas de modelos de aprendizaje profundo para proporcionar una comprensión particular en cada nivel de la jerarquía de imágenes clínicas. Para probar nuestro rendimiento, utilizamos imágenes de biopsia del intestino delgado que contienen tres categorías en el nivel principal (Enfermedad Celíaca, Enteropatía Ambiental y controles histológicamente normales). Para el nivel secundario, la gravedad de la enfermedad celíaca se clasifica en 4 clases (I, IIIa, IIIb y IIIC).