Актуальность. Для спортсмена наряду с эффективной тренировочной подготовкой актуальным при выступлении на соревнованиях являются оценка его функционального состояния и готовность показать лучший результат. При этом оценка состояния спортсмена должна быть для него быстрой, малозатратной и без отвлечения от соревновательного процесса. Цель: Разработка инновационного программного комплекса, использующего методы глубокого обучения и обработку естественного языка NLP (Natural Language Processing), для точного прогнозирования спортивных результатов пловцов. Комплекс предназначен для поддержки эффективных решений по отбору сильнейших спортсменов для участия в командных и индивидуальных заплывах на основе анализа их функциональных состояний посредством автоматизированного осознанного диалога и учета ключевых гематологических показателей. Методы: Для обучения системы были использованы реальные данные о спортсменах сборной команды РФ по плаванию - всего было проанализировано 100 случаев по восьми ключевым гематологическим параметрам, влияющим на спортивные показатели. Для создания комплекса использовались нейросети глубокого машинного обучения на основе библиотеки с открытым исходным кодом Keras и языка программирования Python. Результаты: Разработанный комплекс включает три основных модуля: модуль «Обучение» - создание языковой модели на основе библиотеки Keras и Python; модуль «Чат+Прогноз» - поддержка осмысленного диалога с пользователем (тренером/врачом/спортсменом) относительно текущего состояния здоровья и уровня готовности; модуль «Тест-Прогноз»: массовая проверка эффективности разработанной модели на конкретных примерах. Точность модели достигла 90% во время обучения, основанного на анализе истории обучения модели. Реальное тестирование подтвердило эффективность подхода, показав совпадение прогноза с результатами в 87% случаев. Заключение: Разработанный комплекс обеспечивает быструю оценку состояния спортсмена, минимизируя затраты и позволяя эффективно выбирать участников для различных соревнований. Возможности для повышения точности сохраняются путем расширения набора данных. Для получения различных данных по предметной области используется чат-бот с запросами на естественном языке.