Las tareas de imágenes médicas son muy desafiantes debido a la falta de conjuntos de datos etiquetados públicamente disponibles. Por lo tanto, es difícil lograr un alto rendimiento con los modelos de aprendizaje profundo existentes, ya que requieren un conjunto de datos etiquetado masivo para ser entrenados de manera efectiva. Una solución alternativa es utilizar modelos pre-entrenados y ajustarlos finamente utilizando un conjunto de datos de imágenes médicas. Sin embargo, todos los modelos existentes están pre-entrenados utilizando imágenes naturales, que representan un dominio diferente al de las imágenes médicas; esto conduce a un bajo rendimiento debido al cambio de dominio. Para superar estos problemas, proponemos un esqueleto pre-entrenado utilizando un conjunto de datos de imágenes médicas recopilado con una herramienta de aprendizaje auto-supervisado llamada autoencoder enmascarado. Este esqueleto puede ser utilizado como un modelo pre-entrenado para cualquier tarea de imágenes médicas, ya que está entrenado para aprender una representación visual de diferentes tipos de imágenes médicas. Para evaluar el rendimiento del esqueleto propuesto, utilizamos cuatro tareas de imágenes médicas diferentes. Los resultados se comparan con los modelos pre-entrenados existentes. Estos experimentos muestran la superioridad de nuestro esqueleto propuesto en las tareas de imágenes médicas.