La enfermedad de Parkinson (EP) es una devastadora enfermedad neurológica que no puede ser identificada con experimentos tradicionales de plasma, lo que hace necesaria la creación de un instrumento de diagnóstico más rápido y menos costoso. Debido a la dificultad de cuantificar la EP en el pasado, los médicos han tendido a centrarse en algunos signos mientras ignoran otros, confiando principalmente en una escala de evaluación intuitiva debido a las características de la enfermedad, que incluyen la pérdida de control motor y del habla que pueden ser utilizados para detectar y diagnosticar esta enfermedad. Es una enfermedad que afecta tanto a las funciones de movimiento como a las no relacionadas con el movimiento. Se tarda años en desarrollarse y tiene una amplia gama de síntomas clínicos y pronósticos. Los pacientes con Parkinson comúnmente muestran síntomas no motores como problemas de sueño, trastornos neurocognitivos e deterioro cognitivo mucho antes del diagnóstico, aunque los científicos han estado trabajando en el desarrollo de diseños para diagnosticar y categorizar la enfermedad, en este artículo solo se ofrecen defectos notables como patrones de movimiento, habla o habilidades de escritura. Este artículo proporciona un análisis exhaustivo de varias técnicas de ML y DL basadas en inteligencia artificial utilizadas para diagnosticar la EP y su influencia en el desarrollo de direcciones adicionales de investigación. Sigue las pautas de los Elementos de Informe Preferidos para Revisiones Sistemáticas y Metaanálisis para Revisiones Exploratorias (PRISMA-ScR). Esta revisión también examina el estado actual del diagnóstico de la EP y las posibles aplicaciones de la tecnología de inteligencia artificial basada en datos. Concluye con una discusión sobre futuros desarrollos, lo que ayuda a cubrir lagunas críticas en el estudio actual del Parkinson.