摘要。本文旨在对涉及机器学习 (ML) 和深度学习 (DL) 预测心脏病的研究工作进行系统回顾。为此，进行了详尽的搜索，并在分析了收集到的文献后，对以下方面进行了更多研究：各国对 ML 和 DL 的使用、最常用且准确度最高的技术、工具、指标、心脏病类型和变量选择算法，这些方面是编写本文的基础。目的是通过机器学习预测心脏病的应用，更深入地了解方法、技术和指标。研究结果表明，印度、中国和巴基斯坦是研究使用 ML 和 DL 预测心脏病最多的国家，随机森林、SVM 和逻辑回归也是最常用的技术，其中 XGBoost、集成深度学习和 Stacking 是获得最佳准确度结果的技术。Python 被认为是最好的工具。使用的最常用指标是准确度、精确度和 F1 分数，应用的疾病类型是冠状动脉心脏，因为选择算法是核和信息增益。由于使用机器学习和深度学习研究心脏病的研究很少，这项工作也为新的研究指明了方向。