La cápsula endoscópica (CE) ha revolucionado el diagnóstico gastrointestinal (GI) al proporcionar un enfoque no invasivo y centrado en el paciente para observar el tracto digestivo. Concebida en 2000 por Gavriel Iddan, la CE emplea una cápsula ingerible diminuta que contiene una cámara de alta resolución, iluminación LED y una fuente de alimentación. Se especializa en visualizar el intestino delgado, una región a menudo inaccesible mediante la endoscopia convencional. La CE ayuda a detectar y monitorear trastornos, como sangrado gastrointestinal inexplicado, enfermedad de Crohn y cáncer, al tiempo que presenta un menor riesgo procedimental que la endoscopia convencional. Contrariamente a las técnicas convencionales que requieren anestesia, la CE reduce la incomodidad y las complicaciones para el paciente. Sin embargo, sus limitaciones, específicamente la incapacidad de realizar biopsias o procedimientos terapéuticos, han impulsado avances técnicos. Han surgido cinco tipos principales de cápsulas endoscópicas: direccionable, magnética, robótica, con cable y híbrida. Su rendimiento varía considerablemente. Por ejemplo, los tamaños de imagen van desde 256 x 256 hasta 640 x 480 píxeles, los campos de visión (FOV) van desde 140 grados hasta 360 grados, la duración de la batería es de entre 8 y 15 h, y las tasas de cuadros fluctúan entre 2 y 35 cuadros por segundo, según la captura adaptativa al movimiento. Este estudio aborda una brecha significativa al evaluar metodológicamente las plataformas de CE, delineando su preparación clínica y examinando el potencial subexplotado de la inteligencia artificial para mejorar la precisión diagnóstica. A través de la evaluación de los requisitos técnicos e integración clínica, resaltamos el progreso logrado para superar las limitaciones existentes de la CE y esbozamos desarrollos prospectivos para el diagnóstico GI de próxima generación.