Il Machine Learning in ambito medico-sanitario si sta evolvendo come un importante campo di ricerca per fornire prognosi e una comprensione più approfondita dei dati medici. La maggior parte dei metodi di apprendimento automatico dipende da diverse caratteristiche che definiscono il comportamento dell'algoritmo, influenzando l'output e la complessità dei modelli risultanti, direttamente o indirettamente. In passato sono stati utilizzati molti metodi di apprendimento automatico per rilevare le malattie cardiache. La rete neurale e la regressione logistica sono alcuni dei pochi metodi di apprendimento automatico utilizzati nella diagnosi delle malattie cardiache. Sono stati analizzati più algoritmi come Support vector machine, K-nearest neighbour, Random Forest classifier, oltre ad approcci compositi che incorporano i suddetti algoritmi di diagnosi delle malattie cardiache. Il sistema è stato implementato e addestrato nella piattaforma python utilizzando il modello di apprendimento automatico. Per la raccolta di nuovi dati, il framework può essere esteso.