La retinopatía diabética (RD) es una afección médica causada por la diabetes. El desarrollo de la retinopatía depende significativamente de cuánto tiempo ha tenido una persona diabetes. Inicialmente, puede que no haya síntomas o solo un ligero problema de visión debido al deterioro de los vasos sanguíneos de la retina. Más adelante, puede llevar a la ceguera. Reconocer los primeros signos clínicos de la RD es muy importante para intervenir y tratarla de manera efectiva. Por lo tanto, son necesarios controles oculares regulares para derivar a la persona a un médico para una evaluación ocular integral y tratamiento lo antes posible para evitar la pérdida permanente de la visión. Sin embargo, debido a recursos limitados, no es factible para el cribado. Por lo tanto, las tecnologías emergentes, como la inteligencia artificial, para la detección automática y clasificación de la RD son metodologías de cribado alternativas y hacen que el sistema sea rentable. Las personas han estado trabajando en tecnologías basadas en inteligencia artificial para detectar y analizar la RD en los últimos años. Este estudio tuvo como objetivo investigar diferentes estilos de aprendizaje automático que se eligen para diagnosticar la retinopatía. Por lo tanto, se realizó un análisis bibliométrico de manera sistemática para descubrir diferentes estilos de aprendizaje automático para detectar la retinopatía diabética. Los datos se exportaron de bases de datos populares, a saber, Web of Science (WoS) y Scopus. Estos datos se analizaron utilizando Biblioshiny y VOSviewer en términos de publicaciones, principales países, fuentes, área temática, principales autores, temas de tendencia, coocurrencias, evolución temática, mapa factorial, análisis de citas, etc., lo que forma la base para que los investigadores identifiquen las lagunas en la detección y clasificación de la retinopatía diabética.