Introduccion : actualmente la ciencia medica maneja grandes cantidades de informacion. Tecnicas avanzadas de Machine Learning (ml) como arboles de decision, maquinas de soporte vectorial y regresion logistica pueden ser utilizadas para descubrir patrones ocultos en los datos. Modelos desarrollados a partir de estas tecnicas seran de gran utilidad para la ciencia medica, permitiendo tomar decisiones eficaces. Metodologia : este articulo permite observar los resultados obtenidos en relacion con la capacidad de precision de las tecnicas de Machine Learning, luego de someterlas a pruebas mediante un conjunto de datos relacionados con enfermedades cardiovasculares suministrados por el repositorio uci. Resultados : despues de validar las tecnicas mencionadas con el repositorio uci, se obtiene como resultado que la regresion logistica ofrece los mayores niveles de precision. Conclusiones : cabe resaltar que las tecnicas de maquinas de soporte vectorial (svm) y arboles de decision (ad) ofrecen resultados aceptables; sin embargo, no se encuentran al nivel de los resultados obtenidos por la regresion logistica.