El aprendizaje de múltiples instancias se ha vuelto popular en los últimos años debido a su uso en algunos escenarios especiales. Básicamente, es un tipo de aprendizaje débilmente supervisado donde el conjunto de datos de aprendizaje contiene bolsas de instancias en lugar de un solo vector de características. Cada bolsa está asociada con una sola etiqueta. Este tipo de aprendizaje es flexible y se adapta de forma natural a múltiples problemas del mundo real. El aprendizaje de múltiples instancias se ha utilizado para abordar una serie de desafíos, incluidas tareas de detección e identificación de objetos, recuperación de imágenes basada en contenido y diagnóstico asistido por computadora. El análisis de imágenes médicas y la predicción de la actividad de fármacos han sido los principales usos de MIL en la investigación biomédica. Se han propuesto muchos algoritmos basados en MIL a lo largo de los años. En este documento, discutiremos MIL, el trasfondo de MIL y su aplicación en múltiples dominios, algunos métodos basados en MIL, desafíos y, por último, las conclusiones y perspectivas.