Estimar de manera precisa e instantánea las características hidrodinámicas en el flujo bifásico líquido-gas es crucial para industrias como la del petróleo, gas y otros sectores de flujo multifásico para reducir costos y emisiones, aumentar la eficiencia y mejorar la seguridad operativa. Este tipo de flujo implica un deslizamiento constante entre las fases de gas y líquido causado por una interfaz deformable, lo que resulta en cambios en la fracción volumétrica de gas y la creación de estructuras conocidas como patrones de flujo. Los métodos empíricos y numéricos utilizados para la predicción a menudo resultan en inexactitudes significativas durante los procesos de escalado. Actualmente se están aplicando diferentes metodologías basadas en inteligencia artificial (IA) para predecir características hidrodinámicas en el flujo bifásico líquido-gas, lo que fue corroborado con el análisis bibliométrico donde se encontró que las técnicas de IA se habían aplicado en el reconocimiento de patrones de flujo, determinación de la fracción volumétrica para cada fluido y estimación del gradiente de presión. Los resultados revelaron que un total de 178 palabras clave en 70 artículos, 29 de los cuales alcanzaron el umbral (aprendizaje automático, patrón de flujo, flujo bifásico, inteligencia artificial y redes neuronales como los de mayor predominancia), fueron publicados principalmente en Flow Measurement and Instrumentation. Esta revista tiene el mayor número de artículos publicados relacionados con el tema estudiado, con nueve artículos. El autor más relevante es Efteknari-Zadeh, E, del Instituto de Óptica y Electrónica Cuántica.