Проаналізовано стан і перспективи використання машинного навчання комп'ютерних біоінформатичних систем. Показано, що різнорідність біомедичних даних і широке коло завдань біоінформатики позначилися на виробленні спеціалізованих рішень для кожної окремої сфери чи задачі. Це ускладнює можливість зіставлення ефективності окремих методів і використання кращих варіантів для проектування систем під нові завдання. Наведено результати досліджень щодо розвитку принципів побудови систем комп'ютерного опрацювання біосигналів із використанням технологій машинного навчання. Обгрунтувано доцільність виділення системних рівнів у процесі опрацювання біосигналів та окреслено їх функції. Інновативність запропонованого підходу полягає у розмежуванні функцій нижнього, середнього та верхнього рівнів від методів, за допомогою яких вони реалізуються, а також варіантів імплементації цих методів на апаратних і програмних засобах. Підкреслюється, що середній системний рівень є значною мірою інваріантним, як до вирішуваної задачі, так і до виду біосигналу. В той же час, верхній рівень є специфічним щодо завдання, а нижній рівень - специфічним щодо виду біосигналу. Чітке окреслення функцій кожного системного рівня та міжрівневих інтерфейсів відкриває перспективи структуризації відомостей під час аналізу відомих рішень, спрощує порівняльний аналіз і зіставлення ефективності цих рішень. Спрощується і потенційно пришвидшується процес проектування комп'ютерної системи під конкретні завдання за рахунок можливості перенесення кращих результатів із суміжних задач. На основі розробленої концепції трьох системних рівнів розглянуто та проаналізовано коло проблемних завдань, пов'язаних із застосуванням машинного навчання опрацювання біосигналів на всіх системних рівнях.