سندروم کرونری حاد فرآیندی ناپایدار و پویا است که شامل آنژین قفسه صدری ناپایدار، انفارکتوس میوکارد با بالا رفتن قطعه st و بدون بالا رفتن قطعه st است. با وجود این که اصلی ترین معیارهای تشخیص بیماران، علائم بیماری، نوار قلب و بالا رفتن سطح آنزیم است، اما اضافه کردن سایر خصیصه ها خصوصاً در 24 تا 48 ساعت اول تشخیص اهمیت بالایی دارد. تشخیص افتراقی بیماری های سندروم کرونری حاد با صحت بالا و شناسایی خصیصه های مهم، با استفاده از روش های یادگیری ماشین که زیرمجموعه ای از هوش مصنوعی هستند، است. در این پژوهش، از الگوریتم های درخت تصمیم j48 وsmo به منظور کلاس بندی بیماری های سندروم کرونری حاد و کلاس بندی سکته قلبی و آنژین قفسه صدری و نیز الگوریتم ژنتیک به روش لفافه ای به منظور انتخاب مهم ترین خصیصه ها استفاده شده است. مهم ترین خصیصه بدست آمده در این پژوهش تروپونین1 با مقدار 3/1 جهت افتراق بیماری های سندروم کرونری حاد می باشد.