La enfermedad de Alzheimer (EA) es una afección altamente prevalente y la mayoría de las personas que la padecen reciben el diagnóstico tarde en el proceso. El diagnóstico actualmente se establece tras una evaluación de los biomarcadores de proteínas en el líquido cefalorraquídeo (LCR), imágenes cerebrales, pruebas cognitivas y el historial médico de los individuos. Aunque las herramientas de diagnóstico basadas en la recopilación de LCR son invasivas, las herramientas utilizadas para obtener escáneres cerebrales son costosas. Teniendo en cuenta esto, un sistema predictivo temprano, basado en enfoques de Inteligencia Artificial (IA), dirigido al diagnóstico de esta afección, así como a la identificación de biomarcadores líderes, se convierte en una dirección de investigación importante. En esta encuesta, revisamos la investigación de vanguardia sobre técnicas de aprendizaje automático (ML) utilizadas para la detección de EA y deterioro cognitivo leve (MCI). Intentamos identificar los enfoques diagnósticos más precisos y eficientes, que emplean técnicas de ML y, por lo tanto, los más adecuados para ser utilizados en la práctica. La investigación aún está en curso para determinar los mejores biomarcadores para la tarea de clasificación de EA. Al principio de esta encuesta, después de una parte introductoria, enumeramos varios recursos disponibles, que pueden ser utilizados para construir modelos de ML dirigidos al diagnóstico y clasificación de EA, así como sus principales características. Después, discutimos los marcadores candidatos que se utilizaron para construir modelos de IA con los mejores resultados en términos de precisión diagnóstica, así como sus limitaciones.