La detección de exoplanetas se ha convertido en un desafío esencial para la astrofísica contemporánea. Métodos tradicionales como el tránsito o la velocidad radial han permitido grandes avances, pero presentan limitaciones frente al ruido, la complejidad de los datos y la necesidad de análisis manual. En este artículo se presenta una revisión crítica de los enfoques actuales basados en aprendizaje automático, destacando el papel de arquitecturas como redes convolucionales, modelos basados en Transformer y técnicas generativas. Se analizan sus aplicaciones en curvas de luz, espectros e imágenes astronómicas, así como sus ventajas y limitaciones. Además, se identifican brechas en la literatura, como la falta de interpretabilidad, la escasa generalización entre misiones y la subutilización de datos multimodales. Finalmente, se plantea el desarrollo de un modelo multimodal de aprendizaje profundo como propuesta para integrar distintas fuentes de datos astronómicos en un sistema único, robusto y escalable. Esta visión busca avanzar hacia una detección de exoplanetas más precisa, automatizada y científicamente confiable.