Este artículo tiene como objetivo examinar las tendencias de investigación en el desarrollo de redes móviles a partir del aprendizaje automático. El enfoque metodológico parte de un análisis de 260 documentos académicos seleccionados de las bases de datos Scopus y Web of Science y se basa en los parámetros de la declaración de Elementos de Reporte Preferidos para Revisiones Sistemáticas y Metaanálisis (PRISMA). Se calculan indicadores de cantidad, calidad y estructura con el fin de contextualizar la evolución temática de los documentos. Los resultados revelan que, en relación con las publicaciones por país, Estados Unidos y China, que compiten por la cobertura de redes de quinta generación (5G) y son responsables de la fabricación de dispositivos para redes móviles, destacan. La mayor parte de la investigación sobre el tema se centra en la optimización de recursos y tráfico para garantizar la mejor gestión y disponibilidad de una red debido a la alta demanda de recursos y la mayor cantidad de tráfico generado por los muchos dispositivos de Internet de las Cosas (IoT) que se están desarrollando para el mercado. Se concluye que las tendencias temáticas se centran en generar algoritmos para reconocer y aprender los datos en la red y en modelos entrenados que extraen de los datos disponibles para mejorar la experiencia de conexión a redes móviles.