La planificación convencional del mantenimiento y la renovación de la vía ferroviaria se basa en heurísticas y programación simple. La industria ferroviaria está recopilando una gran cantidad de datos con el rápido desarrollo de las tecnologías de sensores. Estos conjuntos de datos contienen información sobre las condiciones de varios componentes en la vía ferroviaria. Desde justo antes del comienzo del siglo XXI, se han utilizado modelos basados en datos en el mantenimiento predictivo de la vía ferroviaria. Este estudio presenta una revisión sistemática de la literatura sobre modelos basados en datos aplicados en el mantenimiento predictivo de la vía ferroviaria. Se proporciona una taxonomía para clasificar la literatura existente en función de los tipos de modelos y tipos de aplicaciones. Se ha encontrado que la aplicación de métodos de aprendizaje profundo, métodos no supervisados y métodos de conjunto son las nuevas tendencias para el mantenimiento predictivo de la vía ferroviaria. La irregularidad de la geometría de la vía, el defecto en la cabeza del riel y la detección de componentes de riel faltantes fueron los tres problemas más comúnmente considerados dentro de la aplicación de modelos basados en datos. La predicción de roturas de riel ha recibido una atención creciente en los últimos cuatro años. Entre estas aplicaciones de modelos basados en datos, los tipos de datos recopilados son los factores más críticos que afectan la selección de modelos adecuados. Finalmente, este estudio discute los desafíos futuros en el mantenimiento predictivo de la vía ferroviaria.