Синдром дефицита внимания и гиперактивности (СДВГ) - широко распространенное расстройство развития, характеризующееся невнимательностью, импульсивностью и гиперактивностью. В то время как традиционные методы диагностики основаны на клинических интервью, тестах и поведенческих наблюдениях, методы машинного обучения (МО) дают возможность упростить процесс диагностики СДВГ и сделать его более точным. В данном обзоре предпринята попытка изучить опубликованную за последние несколько лет литературу, описывающую результаты применения алгоритмов машинного обучения к физиологическим и нейроанатомическим данным: снимкам и записям магнитно-резонансной томографии (МРТ), функциональной МРТ (фМРТ), инфракрасной спектроскопии (fNIRS), электроэнцефалографии (ЭЭГ), магнитоэнцефалографии (МЭГ), электрокардиограммы (ЭКГ), движений глаз и физической активности, а также параметров зрачков для выявления диагностических биомаркеров СДВГ. Модели глубокого обучения и алгоритм опорных векторов (SVM) демонстрируют наиболее перспективные результаты для выявления СДВГ, как у детей, так и у взрослых. Однако, несмотря на то, что с помощью методов машинного обучения исследователям удается достичь высокого уровня специфичности и чувствительности при решении задачи диагностики СДВГ, их использование в клинической практике требует предварительной работы для проверки результатов на больших выборках.