Con el rápido crecimiento de las plataformas de redes sociales y el consumo de noticias en línea, la proliferación de noticias falsas ha surgido como una preocupación apremiante. La detección y combate de las noticias falsas se ha vuelto crucial para garantizar la precisión y confiabilidad de la información difundida a través de las redes sociales. El aprendizaje automático juega un papel crucial en la detección de noticias falsas debido a su capacidad para analizar grandes cantidades de datos e identificar patrones y tendencias que son indicativos de desinformación. La detección de noticias falsas implica analizar varios tipos de datos, como contenido textual o multimedia, contexto social y estructura de red. Las técnicas de aprendizaje automático permiten la detección automatizada y escalable de noticias falsas, lo cual es esencial dada la gran cantidad de información compartida en las plataformas de redes sociales. En general, el aprendizaje automático proporciona una herramienta poderosa para detectar y prevenir la propagación de noticias falsas en las redes sociales. Este artículo de revisión proporciona un análisis exhaustivo de los avances recientes en la detección de noticias falsas. Los artículos seleccionados cubren una amplia gama de enfoques, incluyendo la minería de datos, el aprendizaje profundo, el procesamiento del lenguaje natural (NLP), el aprendizaje conjunto, el aprendizaje por transferencia y técnicas basadas en grafos.