Los tumores cerebrales representan un desafío significativo en la investigación médica debido a su morbilidad y mortalidad asociadas. La Resonancia Magnética (RM) es la técnica de imagenología principal para analizar estos tumores sin procedimientos invasivos. Los últimos años han presenciado un progreso notable en la detección, clasificación y análisis de la progresión de tumores cerebrales utilizando datos de RM, en gran parte impulsados por avances en modelos de aprendizaje profundo (DL) y la creciente disponibilidad de conjuntos de datos completos. Este artículo investiga los modelos de DL de vanguardia aplicados a datos de RM para el diagnóstico y pronóstico de tumores cerebrales. El estudio también analiza resultados experimentales de las últimas dos décadas junto con los desafíos técnicos encontrados. También se destacan los conjuntos de datos desarrollados para diagnóstico y pronóstico, los esfuerzos detrás del marco regulatorio, las inconsistencias en la comparación de referencia y la traducción clínica. Finalmente, este artículo identifica tendencias de investigación a largo plazo y varias vías prometedoras para futuras investigaciones en esta área crítica.