Esta revisión explora los últimos avances en inteligencia artificial (IA) y aprendizaje automático (ML) para la identificación y clasificación de sonidos pulmonares. El artículo proporciona una visión histórica desde la invención del estetoscopio electrónico hasta la auscultación de sonidos pulmonares, enfatizando la importancia del diagnóstico rápido de enfermedades pulmonares en la era post-COVID-19. La revisión clasifica los sonidos pulmonares, incluidos los sibilancias y estridor, y explora su relevancia patológica. Además, el artículo explora en profundidad estrategias de extracción de características, métodos de medición y múltiples modelos avanzados de aprendizaje automático para la clasificación, como las redes residuales profundas (ResNets), redes neuronales convolucionales combinadas con redes neuronales de memoria a corto y largo plazo (CNN-LSTM) y modelos de transformadores (transformer). El artículo discute los problemas de datos insuficientes y la replicación de la experiencia de expertos humanos y propone futuras direcciones de investigación, incluida una mejor utilización de datos, una extracción de características mejorada y la clasificación utilizando espectrogramas. Finalmente, el artículo enfatiza el papel en expansión de la IA y el ML en el diagnóstico de sonidos pulmonares y su potencial para un mayor desarrollo en este campo.