Методы машинного обучения (МО) являются основным инструментом искусственного интеллекта, использование которого позволяет автоматизировать обработку и анализ больших данных, на этой основе выявлять скрытые или непонятные закономерности и получать новые знания. В обзоре представлен анализ научной литературы по использованию методов МО для диагностики и прогнозирования клинического течения ишемической болезни сердца. Имеется информация о справочной базе данных, использование которой позволяет разрабатывать шаблоны и проводить их валидацию. Представлены преимущества и недостатки отдельных методов MО (LogisticRegression, RandomForestClassifier, DecisionTreeClassifier, KneighborsClassifier, GradientBoostingClassifier) ​​для разработки алгоритмов диагностики и прогнозирования. Наиболее перспективными методами МО являются углубленное обучение с использованием многослойных искусственных нейронных сетей. Ожидается, что разработка моделей на основе методов МО и их внедрение в клиническую практику будет способствовать поддержке принятия врачебных решений, повышению эффективности лечения и оптимизации затрат на здравоохранение.