El procesamiento de señales es un campo de estudio muy útil en la interpretación de señales en muchas aplicaciones cotidianas. En el caso de aplicaciones con señales variables en el tiempo, una posibilidad es considerarlas como gráficos, por lo que surge la teoría de grafos, que extiende los métodos clásicos al dominio no euclidiano. Además, las técnicas de aprendizaje automático se han utilizado ampliamente en actividades de reconocimiento de patrones en una amplia variedad de tareas, incluidas las ciencias de la salud. El objetivo de este trabajo es identificar y analizar los artículos en la literatura que abordan el uso de aprendizaje automático aplicado al procesamiento de señales de gráficos en las ciencias de la salud. Se realizó una búsqueda en cuatro bases de datos (Science Direct, IEEE Xplore, ACM y MDPI), utilizando cadenas de búsqueda para identificar artículos que estén dentro del alcance de esta revisión. Finalmente, se incluyeron en el análisis 45 artículos, siendo el primero publicado en 2015, lo que indica un área emergente. Entre las brechas encontradas, podemos mencionar la necesidad de una mejor interpretabilidad clínica de los resultados obtenidos en los artículos, es decir, no restringir los resultados o conclusiones simplemente a métricas de rendimiento. Además, una posible dirección de investigación es el uso de nuevas transformadas. También es importante poner a disposición nuevos conjuntos de datos públicos que puedan utilizarse para entrenar los modelos.