L'apprentissage automatique dans le domaine des soins de santé évolue pour devenir un domaine de recherche important permettant d'établir des pronostics et de mieux comprendre les données médicales. La plupart des méthodes d'apprentissage automatique dépendent de plusieurs caractéristiques définissant le comportement de l'algorithme, influençant la sortie et la complexité des modèles résultants, directement ou indirectement. De nombreuses méthodes d'apprentissage automatique ont été utilisées dans le passé pour détecter les maladies cardiaques. Le réseau neuronal et la régression logistique sont quelques-unes des méthodes d'apprentissage automatique les plus utilisées pour le diagnostic des maladies cardiaques. Ils analysent plusieurs algorithmes tels que la machine à vecteur de support, le K-voisin le plus proche, le classificateur Random Forest, ainsi que des approches composites incorporant les algorithmes de diagnostic des maladies cardiaques susmentionnés. Le système a été mis en ¿uvre et formé sur la plateforme python en utilisant le modèle d'apprentissage automatique. Pour la nouvelle collecte de données, le cadre peut être étendu.