El diagnóstico de la trayectoria de gas es una parte esencial del mantenimiento basado en la condición (CBM) de las turbinas de gas (GT). Existe una extensa literatura sobre el diagnóstico de la trayectoria de gas de las GT y se han introducido una variedad de métodos. Las limitaciones fundamentales de los métodos convencionales, como la incapacidad para lidiar con el comportamiento no lineal del motor, la incertidumbre en las mediciones, las fallas simultáneas y el número limitado de sensores disponibles, siguen siendo la fuerza impulsora para explorar técnicas más avanzadas. Esta revisión tiene como objetivo proporcionar una encuesta crítica de la literatura existente producida en el área durante las últimas décadas. En la primera sección, se aborda el problema de la degradación de las GT, con el objetivo de identificar el tipo de fallas físicas que degradan el rendimiento de una turbina de gas, qué fallas en la trayectoria de gas contribuyen de manera más significativa a la pérdida de rendimiento general y qué componentes específicos suelen encontrar estas fallas. A continuación, se ofrece una breve visión general sobre las inconsistencias en la literatura sobre el diagnóstico de la trayectoria de gas, seguida de una discusión sobre los diversos desafíos para un diagnóstico exitoso de la trayectoria de gas y las principales características deseables que una técnica avanzada de diagnóstico de fallas debería poseer idealmente. En este punto, se revisan a fondo los métodos de diagnóstico de fallas disponibles y se resumen sus fortalezas y debilidades. Los métodos de diagnóstico basados en inteligencia artificial (IA) y los métodos híbridos han recibido una gran atención debido a su prometedor potencial para abordar las limitaciones mencionadas anteriormente, además de proporcionar resultados de diagnóstico precisos. Además, se discuten las técnicas de validación disponibles que los desarrolladores de sistemas utilizaron en el pasado para evaluar el rendimiento de sus algoritmos de diagnóstico propuestos. Finalmente, se proporcionan observaciones y recomendaciones finales para futuras investigaciones.