Los tumores cerebrales representan una patología compleja cuya detección mediante resonancia magnética enfrenta limitaciones como la variabilidad diagnóstica y la falta de estandarización, dificultando la identificación temprana y la intervención oportuna. Esta revisión sistemática, basada en 39 estudios publicados entre 2021 y 2025, examinó métodos automáticos basados en aprendizaje automático y profundo para el análisis de tumores cerebrales en imágenes de resonancia magnética, evaluando arquitecturas, técnicas y métricas de rendimiento recientes. Los hallazgos muestran una evolución desde arquitecturas CNN-residuales hacia U-Net tridimensionales y transformers, con aprendizaje profundo superando de manera consistente a enfoques tradicionales. No obstante, persiste la dependencia de conjuntos de datos específicos y la ausencia de validación externa multicéntrica, ...