В настоящее время существует множество заболеваний, которые необходимо выявить на ранних стадиях, чтобы начать соответствующее лечение. Для этого в здравоохранении для принятия вычислительных решений в ситуациях, когда необходимо провести критический анализ медицинских данных, чтобы выявить скрытые взаимосвязи или отклонения, используются подходы машинного обучения, одним из которых является разработка когнитивных ассистентов. Их своевременная мультимодальная диагностика, основанная на обучающихся нейронных сетях, способна кардинально улучшить время поиска заболеваний потенциального пользователя. Реализация алгоритмов для выполнения таких задач требует комплексного исследования, учитывая требования повышения точности разрабатываемых алгоритмов при одновременном уменьшении времени, необходимого для их выполнения. В связи с этим появилась потребность обработки большого количества медицинских данных, что привело к адаптации машинного обучения в области здравоохранения. Цель данной работы — разработать систему искусственного интеллекта в форме когнитивного ассистента, запрограммированную на выполнение комплексных задач через сбор и обработку данных, их интерпретацию, составление сценариев деятельности и конечном планировании поведения пользователей. За счёт обучения с подкреплением система фокусируется на самостоятельной разработке алгоритмов, позволяющих автоматически обнаруживать закономерности в данных и совершенствоваться по мере накопления опыта, не получая конкретных инструкций. Результатом данного исследования является тестовая версия ассистента в виде программы, реализующая кластеризацию, классификацию и дальнейшую обработку обезличенных медицинских данных с указанием точности выполняемых операций, что позволяет модифицировать её для практического применения в будущих исследованиях.