Los biomarcadores ya han sido propuestos como características de clasificación poderosas para su uso en el entrenamiento de modelos pronósticos basados en redes neuronales y en otras máquinas de aprendizaje y modelos de inteligencia artificial en el campo científico de la nutrición personalizada. En este documento, construimos y estudiamos clasificadores basados en SVM en cascada para el diagnóstico automatizado del síndrome metabólico. Específicamente, utilizando exámenes de sangre, logramos una precisión promedio de alrededor del 84% en la clasificación correcta del índice de masa corporal. De manera similar, los clasificadores basados en SVM en cascada logran una precisión del 74% en la clasificación correcta de la presión arterial sistólica. A continuación, proponemos e implementamos un sistema que logra una precisión del 84% en la predicción del síndrome metabólico. El sistema propuesto se basa no solo en la predicción del índice de masa corporal, sino también en la predicción a partir de exámenes de sangre del colesterol total, los triglicéridos y la glucosa. Con el objetivo de completar el documento de manera autónoma, se resumen los conceptos clave con respecto al síndrome metabólico, y se incluye una revisión del trabajo relacionado previo. Finalmente, se extraen conclusiones y se delinean indicaciones para investigaciones futuras relacionadas.