Проведено сравнение точности предсказания двух методов машинного обучения: Случайный лес (СЛ) и Многослойный персептрон (МСП) в задаче прогнозирования исходов «инвалидность» и «отсутствие инвалидности» детских ишемических инсультов (ИИ). Выборка представляет собой серию клинических случаев: 172 ребенка с ишемическим инсультом, доказанным по данным МРТ головного мозга. В качестве предикторов были использованы данные генетических исследований на носительство полиморфизмов 8 генов тромбофильного спектра: FGB:-455G>A, F2:20210G>A, F5:1691G>A, F7:10976G>A, F13:103G>T, ITGA2:807C>T, ITGB3:1565T>C, PAI-1:-675 5G>4G, и 4 генов фолатного цикла: MTHFR:677C>T, MTHFR:1298А>С, МТRR:66А>G, MTR:2756А>G. МСП продемонстрировал более высокие показатели правильных распознаваний исходов, чем случайный лес (0,88 против 0,67 соответственно).