Los transformadores de potencia (TP) juegan un papel vital en el sistema eléctrico. Evaluar su estado para predecir su vida útil restante es esencial para optimizar el mantenimiento. Programar el mantenimiento adecuado para el equipo correcto en el momento adecuado es el objetivo final de cualquier empresa de servicios públicos de energía. El mantenimiento óptimo tiene una serie de beneficios: humanos y sociales, al limitar interrupciones repentinas del servicio, y económicos, debido a los costos directos e indirectos del tiempo de inactividad no programado. Los TP ahora producen grandes cantidades de datos fácilmente accesibles debido al uso creciente de IoT, sensores y conectividad entre activos físicos. Como resultado, los métodos de pronóstico y gestión de salud de transformadores de potencia (TP-GHP) están avanzando cada vez más hacia técnicas de inteligencia artificial (IA), con varios cientos de artículos científicos publicados sobre el tema de TP-GHP utilizando técnicas de IA. Por otro lado, el mundo de la IA está experimentando una nueva evolución hacia una tercera generación de modelos de IA: modelos de base a gran escala. ¿Cuál es el estado actual de la investigación en TP-GHP? ¿Cuáles son las tendencias y desafíos en IA y hacia dónde debemos ir para el pronóstico y la gestión de salud de transformadores de potencia? Este documento proporciona una revisión completa del estado del arte en TP-GHP al analizar más de 200 artículos, la mayoría publicados en revistas científicas. Se ofrecen algunos elementos para guiar la investigación en TP-GHP al final del documento.