Hjärt- och kärlsjukdomar är en viktig orsak till global sjuklighet och dödlighet. Därför är karakterisering av en individs kardiovaskulära system och riskbedömning avgörande. Blodtryckssignalen innehåller relevant information på grund av spridningen av mekaniska vågor i artärträdet. Vågformen påverkas sedan av flera faktorer såsom artärernas elasticitet och artärsystemets struktur. Upptäckt av betydande förändringar kan kopplas till förekomsten av hjärt- och kärlsjukdomar förutom att påverkas av naturligt åldrande. På området artificiell intelligens har många komplexa algoritmer, och potentiellt anpassade till stora och stora datamängder, utvecklats på senare tid tack vare datorkapacitet. I detta examensarbete kommer metoder att föreslås för att utföra maskininlärning från en databas över patienter som samlats in. Syftet med detta projekt är att utveckla maskininlärningsmetoder för att karakterisera patienternas kardiovaskulära system, med en modell som är specifik för individen, genom att utnyttja blodtrycket i kombination med individens data.