Несмотря появление новых современных препаратов, показатели смертности от гипертонической болезни остаются высокими. Эта проблема, в частности, обусловлена тем, что для эффективного лечения этого заболевания необходима комбинация нескольких групп препаратов. Целью данного исследования является разработка моделей автоматизированного подбора препаратов для лечения гипертонии на основе индивидуальных характеристик пациента, а также оценки эффективности назначенного лечения на основе имеющихся клинических показателей пациентов и предполагаемой комбинации препаратов. Исходная выборка данных содержит деперсонифицированную информацию о 262 пациентах кардиологического стационара по 66 клиническим показателям. Было рассмотрено 6 групп препаратов: БАБ, И-АПФ\АРА, БКК группы нифедипина, БКК группы верапамила, диуретики, препараты центрального действия. Методы машинного обучения использовались для выявления детерминант, способствующих успеху медикаментозного лечения гипертонии для данной выборки пациентов. В ходе исследования для достижения поставленной цели было построено несколько моделей машинного обучения для решения задач классификации и регрессии. Наибольшую точность показали модели градиентного бустинга XGBOOST – для задачи классификации и CATBOOST – для задачи регрессии. По результатам исследования можно сделать выводы, какие клинические показатели наиболее значимы для эффективного лечения каждым из рассматриваемых препаратов.