Con el aumento del uso de dispositivos móviles, los ataques de malware están en aumento, especialmente en teléfonos Android, que representan el 72.2% del total de cuota de mercado. Los hackers intentan atacar teléfonos inteligentes con diversos métodos como robo de credenciales, vigilancia y publicidad maliciosa. Entre numerosas contramedidas, los métodos basados en aprendizaje automático (ML) han demostrado ser un medio efectivo para detectar estos ataques, ya que pueden derivar un clasificador a partir de un conjunto de ejemplos de entrenamiento, eliminando así la necesidad de una definición explícita de las firmas al desarrollar detectores de malware. Este documento proporciona una revisión sistemática de las técnicas de detección de malware de Android basadas en ML. Evalúa críticamente 106 artículos cuidadosamente seleccionados y destaca sus fortalezas y debilidades, así como posibles mejoras. Por último, se discuten los métodos basados en ML para detectar vulnerabilidades en el código fuente, ya que podría ser más difícil agregar seguridad después de que la aplicación se despliega. Por lo tanto, este documento tiene como objetivo permitir a los investigadores adquirir un conocimiento profundo en el campo e identificar posibles futuras direcciones de investigación y desarrollo.