Атеросклероз является одним из наиболее распространенных и опасных для жизни заболеваний, которое может развиваться уже в раннем возрасте. На начальных стадиях атеросклероз сложно обнаружить, поэтому его диагностика требует использования своевременных подходов, в частности, с привлечением методов машинного обучения. В предлагаемом исследовании разрабатываются модели и алгоритмы расчета риска развития атеросклероза магистральных артерий в зависимости от исходных клинических характеристик пациентов. В качестве обучающего набора данных была использована выборка международной базы данных MIMIC-III, имеющая структуру последовательных временных рядов, для обработки которых применялись рекуррентные глубокие нейронные сети архитектуры LSTM. В ходе решения задачи предсказания атеросклероза с использованием моделей SHAP были выявлены основные значимые признаки, наиболее ассоциированные с риском развития данного заболевания. В завершении данного исследования был произведен сравнительный анализ нейросетевой модели, обученной на данных MIMIC-III, с моделью расчета риска атеросклероза, разработанной с использованием регионального набора данных, полученного в результате обследования пациентов Воронежской области в рамках программы всеобщей диспансеризации. Качество разработанных моделей оценивалось с помощью показателей чувствительности, специфичности и ROC-AUC. В ходе исследования были выявлены сходства и различия разработанных моделей, касающиеся как признаков, включенных в исходные наборы данных, так и предикторов, ассоциированных с высоким риском развития атеросклероза.