Los sistemas complejos surgen buscando una mayor integración del conocimiento científico. El paradigma considera que los sistemas están compuestos por agentes dispares, en los cuales aparecen conductas inestables, siendo lo no lineal, cambiante y aleatorio un elemento característico, así como sus procesos son intra y transdisciplinarios, en contraste con cadenas deterministas, propias de visiones reduccionistas. El machine learning, surge como un sistema complejo definido como el proceso por el cual las computadoras buscando patrones comunes desde una información empírica y realizando algoritmos matemáticos, logran predicciones utilizando experiencias pasadas. Recientemente, mostró un gran desarrollo con el avance tecnológico de las computadoras. Análisis de sentimiento o minería de opinión, utiliza el machine learning para identificar y extraer información subjetiva de datos, haciendo uso del procesamiento de lenguaje natural, análisis de texto y lingüística computacional. En este trabajo realizamos una revisión sobre las características de los sistemas complejos en general, del machine learning y análisis de sentimientos en particular, debido a que el conocimiento y manejo de la información resulta de importante en neurociencias, dado que han surgido modelos preparados para obtener información oculta en registros médicos y redes sociales, capaces de predecir conductas vinculadas a eventos de salud como una insuficiencia cardiaca o un trastornos neuropsiquiátrico.