Розглянуто особливості застосування методів підтримки прийняття рішень на основі машинного навчання, нечіткої логіки та нейронних мереж в системах поляризаційної інтроскопії біологічних об'єктів. Наводиться порівняльний аналіз їх характеристик точності з урахуванням вхідних даних, програмної реалізації та типу діагностованих в системі інтроскопії патологій. Було визначено, що такі методи, як нечітка логіка, деякі методи машинного навчання (дерева рішень, XGBoost) та нейронні мережі (багатошаровий перцептрон) дозволяють досягти підвищення точності поляризаційної діагностики БШ до рівня 81-98%.