La creciente popularidad de las camas inteligentes y dispositivos para el monitoreo remoto de la salud se basa en los avances en aplicaciones de inteligencia artificial (IA). Esta revisión sistemática tiene como objetivo evaluar y sintetizar la creciente literatura sobre el uso de técnicas de aprendizaje automático (AA) para caracterizar los movimientos de los pacientes en la cama y el desarrollo de úlceras por presión. Esta revisión se lleva a cabo de acuerdo con los principios de PRISMA (Elementos de Informe Preferidos para Revisiones Sistemáticas y Metaanálisis) y está registrada en el Registro Internacional Prospectivo de Revisiones Sistemáticas (PROSPERO CRD42022314329). La búsqueda se realizó a través de nueve bases de datos científicas. La revisión incluyó 78 artículos, que abarcan 142 modelos de AA. Los modelos de AA aplicados revelaron una heterogeneidad significativa en las diversas metodologías utilizadas para identificar y clasificar los comportamientos y posturas de los pacientes. La variedad de modelos de AA abarcó redes neuronales artificiales, arquitecturas de aprendizaje profundo y enfoques de integración de sensores multimodales. Esta revisión muestra que los modelos para analizar e interpretar los movimientos en la cama funcionan bien en entornos experimentales. Faltan estudios a gran escala en poblaciones de pacientes diversas.