В работе представлены возможности использования методов обработки естественного языка для прогностического анализа и обзора перспективных направлений использования формальных онтологий в различных областях науки и практики. Выбор формальных онтологий в качестве объекта прогностического исследования обусловлен тем, что они помогают более строго формализовать признаки объектов в различных предметных областях, что дает в дальнейшем возможность для более успешного использования программ машинного обучения для автоматического выявления закономерностей и взаимосвязей между этими признаками. Для анализа перспективных трендов в развитии использования онтологий был использован эксперимент на основе метода машинного обучения и прогнозирования с помощью алгоритма CatBoost в сочетании с методами извлечения информации из текстов и алгоритмом кластеризации лексических единиц. При этом использовались векторные представления соответствующих лексических единиц, отражающих тот или иной тренд частной области знания, между которыми вычислялась мера близости на основе семантического расстояния. В результате эксперимента были выделены четыре наиболее перспективных направления, в которых возможно применение формальных онтологий: связь генотип – фенотип, персонализация, алгоритмы кластеризации и совместное управление. Для каждого направления приводятся собственные ключевые слова, отражающие прогнозируемые тренды развития данной конкретной области, а также анализируются примеры наиболее характерных научных работ (статей), отражающих эти тренды.