La tomografía de coherencia óptica (OCT) es una técnica de imagen no invasiva que proporciona imágenes de retina transversales de alta resolución, lo que permite a los oftalmólogos recopilar información crucial para diagnosticar diversas enfermedades retinianas. A pesar de sus beneficios, el análisis manual de las imágenes de OCT es consumidor de tiempo y depende en gran medida de la experiencia personal del analista. Este artículo se centra en el uso del aprendizaje automático para analizar imágenes de OCT en la interpretación clínica de enfermedades retinianas. La complejidad de comprender los biomarcadores presentes en las imágenes de OCT ha sido un desafío para muchos investigadores, especialmente aquellos de disciplinas no clínicas. Este artículo tiene como objetivo proporcionar una visión general de las técnicas de procesamiento de imágenes de OCT de vanguardia, incluida la reducción de ruido de imagen y la segmentación de capas. También destaca el potencial de los algoritmos de aprendizaje automático para automatizar el análisis de imágenes de OCT, reduciendo el consumo de tiempo y mejorando la precisión diagnóstica. El uso del aprendizaje automático en el análisis de imágenes de OCT puede mitigar las limitaciones de los métodos de análisis manuales y proporcionar un enfoque más fiable y objetivo para diagnosticar enfermedades retinianas. Este artículo será de interés para oftalmólogos, investigadores y científicos de datos que trabajan en el campo del diagnóstico de enfermedades retinianas y aprendizaje automático. Al presentar los últimos avances en el análisis de imágenes de OCT utilizando aprendizaje automático, este artículo contribuirá a los esfuerzos en curso para mejorar la precisión diagnóstica de las enfermedades retinianas.