La displasia broncopulmonar (DBP) es una afección pulmonar neonatal que afecta predominantemente a los recién nacidos prematuros. Los investigadores han recurrido a herramientas computacionales, como la inteligencia artificial (IA) y el aprendizaje automático (AA), para comprender mejor, diagnosticar y gestionar la DBP en los pacientes. Este estudio tiene como objetivo proporcionar un resumen completo de las aplicaciones actuales de la IA en la estratificación del riesgo de DBP, el tratamiento y la gestión, y busca guiar la investigación futura hacia el desarrollo de herramientas computacionales prácticas y efectivas en el cuidado neonatal. Esta revisión destaca los avances en el modelado predictivo utilizando marcadores clínicos, genéticos, de biomarcadores y de imágenes. La IA ha ayudado a avanzar en las estrategias de gestión de la DBP al optimizar los caminos de tratamiento y las predicciones pronósticas a través del modelado computacional. Aunque estos desarrollos se vuelven cada vez más aplicables clínicamente, persisten numerosos desafíos en la estandarización de datos, la validación externa y la integración equitativa de soluciones de IA en la práctica clínica. Abordar consideraciones éticas, como la privacidad de los datos y la representación demográfica, así como otras consideraciones prácticas, será esencial para garantizar la correcta implementación de herramientas clínicas de IA. La investigación futura debería centrarse en estudios prospectivos y multicéntricos, aprovechando la integración de datos multimodales para mejorar el diagnóstico temprano, las intervenciones personalizadas y los resultados a largo plazo para los neonatos en riesgo de DBP.