Las enfermedades pulmonares son una preocupación importante para la salud global, con casi 4 millones de muertes anuales, según la Organización Mundial de la Salud (OMS). Los rayos X de tórax (CXR) son ampliamente utilizados como una herramienta de diagnóstico rentable y eficiente por los radiólogos para detectar condiciones como neumonía, tuberculosis, COVID-19 y cáncer de pulmón. Este documento de revisión proporciona una visión general de la investigación actual sobre el diagnóstico de enfermedades pulmonares utilizando imágenes de CXR e Inteligencia Artificial (IA), sin centrarse en una enfermedad específica. Examina diferentes enfoques empleados por los investigadores para aprovechar CXR, un medio de diagnóstico accesible, para la detección temprana de enfermedades pulmonares. Esta revisión seleccionó 11 documentos de investigación que abordan este problema a través de la IA, explorando los conjuntos de datos utilizados y sus fuentes. Los resultados variaron en los estudios: para el cáncer de pulmón, la Red Neuronal Convolucional Profunda (DCNN) logró una precisión del 97,20%, mientras que los marcos multiclase como ResNet152V2+Bi-GRU (unidad recurrente con compuerta) alcanzaron el 79,78% y el 93,38%, respectivamente. Para la detección de COVID-19, se lograron tasas de precisión del 98% y el 99,37% utilizando EfficientNet y Red Neuronal Convolucional Paralela-Máquina de Aprendizaje Extremo (CNN-ELM). Además, los estudios en el conjunto de datos CXR-14 (14 clases) mostraron una alta precisión, con MobileNet V2 alcanzando el 94%. Otros resultados destacados incluyen una precisión del 73% con VDSNet, 98,05% con VGG19+CNN para tres clases, y una alta precisión en la detección de neumonía pediátrica, opacidad pulmonar, neumotórax y tuberculosis.