امروزه خطر ابتلا به نارسایی قلبی به عنوان یکی از شایع ترین علل مرگ و میر در سطح جوامع مطرح است. توسعه تکنولوژی و امکان اخذ و جمع آوری اطلاعات بیماران باعث شده پایگاه داده های متعدد سوابق بیماران ایجاد گردد که حاوی الگوهای پنهان ارزشمندی می باشند. ارائه مدلی با دقت تشخیص بالا جهت کشف این الگوهای پنهان می‌تواند به یکی از رویکردهای پیشگیرانه تبدیل شده، مانع از وخامت بیماری‌های گوناگون گردیده و با تشخیص به موقع ، سطح کیفی سلامت جامعه را نیز افزایش دهد. در این مقاله 13 ویژگی از مولفه‌هایی که بیشترین تاثیر را در تشخیص نارسایی قلبی داشته انتخاب و برای آموزش شبکه عصبی مصنوعی از آنها استفاده شده است. در نهایت سیستم خروجی مورد نظر را در دو کلاس سالم یا در معرض خطر ابتلا به نارسایی قلبی تشخیص خواهد داد. نتایج حاصل از پیاده سازی این ایده نشان می دهد که روش پیشنهادی می تواند یک دقت پیش بینی 91.1% را بدست آورد که نسبت به تحقیقات گذشته که از روش هایی نظیر رگرسیون لجستیک ، Weighted fuzzy rules ، Naive Bayes بهره می‌بردند عملکرد مناسب تری را از خود نشان دهد.
