En los últimos años, el aprendizaje profundo se ha aplicado con éxito al análisis de imágenes médicas y ha brindado asistencia a profesionales de la salud. El aprendizaje automático se utiliza para ofrecer sugerencias de diagnóstico, identificar regiones de interés en imágenes o aumentar datos para eliminar ruido. El entrenamiento de modelos para tales tareas requiere una gran cantidad de datos etiquetados. A menudo es difícil obtener dichos datos debido a que se requiere que expertos los etiqueten manualmente, además de las preocupaciones de privacidad y legales que limitan su recopilación. Debido a esto, es esencial crear métodos de aprendizaje auto-supervisado y técnicas de adaptación de dominio dedicadas a este ámbito. Este artículo revisa conceptos del campo del aprendizaje profundo y cómo se han aplicado al análisis de imágenes médicas. También revisamos el estado actual de los métodos de aprendizaje auto-supervisado y sus aplicaciones en imágenes médicas. Al hacerlo, también presentaremos el ecosistema de recursos de investigadores en este campo, como conjuntos de datos, metodologías de evaluación y benchmarks.