El cáncer de piel (SC) es uno de los cánceres más prevalentes en todo el mundo. La evaluación clínica de las lesiones cutáneas es necesaria para evaluar las características de la enfermedad; sin embargo, está limitada por largos plazos y variedad en la interpretación. Dado que el diagnóstico temprano y preciso del SC es crucial para aumentar las tasas de supervivencia de los pacientes, se han desarrollado enfoques de aprendizaje automático (ML) y aprendizaje profundo (DL) para superar estos problemas y apoyar a los dermatólogos. Presentamos una revisión sistemática de la literatura sobre investigaciones recientes sobre el uso de aprendizaje automático para clasificar lesiones cutáneas con el objetivo de proporcionar un punto de partida sólido para los investigadores que comienzan a trabajar en esta área. Se realizó una búsqueda en varias bases de datos electrónicas aplicando filtros de inclusión/exclusión y para esta revisión, solo se seleccionaron aquellos documentos que describían clara y completamente los procedimientos realizados y reportaban los resultados obtenidos. Se seleccionaron sesenta y ocho artículos, la mayoría de los cuales utilizan enfoques de DL, en particular redes neuronales convolucionales (CNN), mientras que una parte más pequeña se basa en técnicas de ML o enfoques híbridos de ML/DL para la detección y clasificación del cáncer de piel. Muchos métodos de ML y DL muestran un alto rendimiento como clasificadores de lesiones cutáneas. Los resultados prometedores obtenidos hasta la fecha auguran bien para la inclusión no muy lejana de estas técnicas en la práctica clínica.