Данный обзорный материал посвящен анализу современных подходов машинного обучения, применяемых для раннего выявления и прогнозирования послеродовой депрессии (ПРД). Авторы исследуют различные алгоритмы, включая случайный лес, поддержку векторных машин и нейронные сети, которые используются для обработки клинических, психологических и биометрических данных пациенток. В работе систематизированы методологии построения прогностических моделей, позволяющих выявить группы высокого риска еще до проявления тяжелых симптомов. Особое внимание уделяется точности различных моделей, где показатели чувствительности и специфичности варьируются в зависимости от используемых наборов данных. Исследование подчеркивает значимость интеграции ИИ в систему охраны материнства для снижения нагрузки на психиатрические службы. Результаты обзора указывают на потенциал персонализированной медицины в управлении ментальным здоровьем после родов через автоматизированный мониторинг.