En los últimos años, la necesidad de modelos de inteligencia artificial explicable (XAI) ha cobrado especial relevancia, especialmente en dominios críticos como la medicina, donde las decisiones automatizadas deben ser interpretables. En este contexto, la técnica Integrated Gradients (IG) ha emergido como una herramienta efectiva para asignar importancia a las características de entrada en redes neuronales convolucionales (CNN). Esta investigación presenta una revisión sistemática de la literatura sobre el uso de IG como método de explicabilidad en CNN, con el objetivo de identificar sus aplicaciones, beneficios y limitaciones. A través del enfoque PRISMA, se analizaron 30 estudios seleccionados de bases de datos especializadas como IEEE Xplore, Scopus y Science Direct. Los hallazgos revelan que IG ha sido ampliamente adoptado en sectores como salud, finanzas, visión por compu...