امروزه در علوم پزشکی شاهد جمع¬آوری اطلاعات زیادی در مورد بیماری¬های مختلف میباشیم. مراکز پزشکی این اطلاعات را برای اهداف مختلف جمع¬آوری می-کنند. یکی از اهداف این است که درون داده¬ها جست¬وجو شود تا نتایج و الگوهای مفید در رابطه با کشف بهتر بیماری به دست آورند. یکی از مشکلات بزرگ در حجم زیاد داده¬ها سردرگمی در داده¬ها است که یک مشکل بسیار بزرگ تلقی می¬شود که مانع از رسیدن به نتایج قابل قبول می¬شود. برای حل این مشکل، در این تحقیق ابتدا از الگوریتم بهینه‌سازی ازدحام ذرات برای انتخاب ویژگی¬های مؤثر در فرآیند تشخیص بیماری استفاده شده است که علاوه بر افزایش دقت بیماری، باعث کاهش تعداد ویژگی¬ها می‌شود. سپس، در چندین بار آزمایش با تعدادی از روش¬های طبقه¬بندی موثر برای ارزیابی داده¬ها همراه با ویژگی¬های انتخاب شده مورد استفاده قرار می‌گیرد. در پایان، از الگوریتم¬های جنگل¬¬های تصادفی، کا نزدیکترین همسایه، درخت تصمیم¬گیری و شبکه‌ی عصبی مصنوعی استفاده می‌شود. مجموعه آزمایشات انجام شده جهت ارزیابی روش با استفاده از مجموعه داده استاندارد، نشان می‌دهد که روش پیشنهاد ‌شده، میزان صحت بیشتری می‌تواند در پیش‌بینی بیماری قلبی به همراه داشته باشد.