گسترش استفاده از کامپیوتر و تکنولوژی اطلاعات باعث رشد سریع پایگاه های اطلاعاتی در بیشتر مراکز و سازمان های پزشکی شده است. هر روز حجم عظیمی از داده های تولید شده، در پایگاه داده های مختلف ذخیره می شود. در سال های اخیر تمایل به جست و جو برای کشف الگوهای پنهان میان داده ها به منظور بهبود در تصمیم گیری پزشکان افزایش چشمگیری داشته است. شایع ترین بیماری که امروزه در کشور و در جهان مطرح است، بیماری قلبی و عروقی می باشد، رشد چشمگیر این بیماریها و اثرات و عوارض آنها و هزینه هایی که بر جامعه وارد میکند، باعث شده است، که جامعه پزشکی به دنبال برنامه هایی جهت بررسی بیشتر، پیشگیری، شناسایی زود هنگام و درمان موثر آن باشند. در سالهای اخیر کاربردهای مختلف تکنیکهای داده کاوی روی انباره بیماران قلبی مورد بحث واقع شده است، که در این کار تحقیقاتی-عملی، 1000پرونده بیماران کرونری بیمارستان شهید مدنی تبریز طبق متدولوژی ارایه شده مورد مطالعه قرار گرفته است. هدف در این مطالعه ارایه روشی برای پیش بینی بیماری کرونری با خطای کمتر در افراد با استفاده از تکنیک داده کاوی می باشد. برای ایجاد پیش بینی با خطای کمتر از الگوریتم های خوشه بندی و دسته بندی در کنار هم استفاده شده است. در این راستا برای تعیین انواع دسته افراد دارای بیماری(متغیر هدف)، از تکنیک خوشه بندی داده کاوی استفاده شده است، که در این راستا نمونه ها با سه ارزش بیماران کرونری ریسک بالا، ریسک متوسط، ریسک پایین برچسب گذاری شده اند، و برای پیش بینی خوشه های برچسب گذاری شده از شبکه بیزین استفاده شده است. در نهایت برای بهبود شبکه بیز مدل ترکیبی درخت تصمیم– شبکه بیزین پیشنهاد شده است، که با صحت 0.95 وجود بیماری کرونری قلبی را در فاز اولیه پیش بینی می کند.