El rápido avance de la infraestructura computacional ha llevado a un crecimiento sin precedentes en el aprendizaje automático, el aprendizaje profundo y la visión por computadora, transformando fundamentalmente el análisis de imágenes retinianas. Al utilizar una amplia gama de señales visuales extraídas de imágenes de fondo de ojo, se han desarrollado sofisticados modelos de inteligencia artificial para diagnosticar diversas afecciones retinianas. Este documento se concentra en la detección de la Degeneración Macular Relacionada con la Edad (AMD), una afección retiniana significativa, ofreciendo un examen exhaustivo de las metodologías recientes de aprendizaje automático y aprendizaje profundo. Además, se discuten los posibles obstáculos y limitaciones asociados con la implementación de esta tecnología en el campo de la oftalmología. A través de una revisión sistemática, esta investigación tiene como objetivo evaluar la eficacia de las técnicas de aprendizaje automático y aprendizaje profundo en discernir la AMD de diferentes modalidades, ya que han demostrado ser prometedoras en el campo del diagnóstico de la AMD y trastornos retinianos. Organizado en torno a conjuntos de datos y técnicas de imagen prevalentes, el documento describe inicialmente los criterios de evaluación, las metodologías de preprocesamiento de imágenes y los marcos de aprendizaje antes de realizar una investigación exhaustiva de enfoques diversos para la detección de la AMD. Extrayendo ideas del análisis de más de 30 estudios seleccionados, la conclusión destaca las trayectorias de investigación actuales, los principales desafíos y las perspectivas futuras en el diagnóstico de la AMD, proporcionando un recurso valioso tanto para académicos como para profesionales en el campo.