La conducción en estado de ebriedad representa una de las principales causas de accidentes viales a nivel global, afectando gravemente la seguridad pública. En respuesta a esta problemática, la presente investigación realiza una revisión sistemática de literatura publicada entre los años 2020 y 2025, con el objetivo de analizar los modelos de aprendizaje automático aplicados en la detección de conductores en estado de ebriedad. Se utilizaron bases de datos reconocidas como IEEE, Scopus, ScienceDirect y EBSCO, siguiendo los lineamientos metodológicos del protocolo PRISMA. Se identificaron 30 estudios relevantes que emplean diversas técnicas como redes neuronales convolucionales (CNN), MobileNetV2, SVM, Random Forest, y modelos híbridos. Los resultados evidencian que los modelos basados en deep learning alcanzan altos niveles de precisión, superando en varios casos el 90 %. ...