امروزه ظهور نظام های اطلاعات یکپارچه و رشد فن آوری اطلاعات باعث شده که رشد چشم گیری در رشته پزشکی بوجود آید. پایگاه داده ها در حوزه ی سلامت حاوی میزان وسیعی از داده های بالینی است و استفاده از روش های داده کاوی دراین شاخه از علم باعث شده است که در کلیه مباحث، بویژه بحث تشخیص و پیش بینی بیماری ها کمک شایانی به پزشکان بشود. تشخیص بیماری هپاتیت با توجه به علائم بالینی اندکی که در مراحل اولیه دارد، بسیار دشوار است .از اینرو پژوهش حاضر به دنبال طراحی سیستم تشخیص و پیش آگاهی بیماری هپاتیت یر اساس علایم بالینی بیماران با استفاده از الگوریتم های داده کاوی برای تشخیص زودهنگام بیماری می باشد. همچنین با توجه به این که بیماری هپاتیت، یک بیماری رفتاری محسوب می شود و تابع متغیر های فرهنگی، اقتصادی، اجتماعی و اعتقادی می باشد، نیاز به یک مدل بومی متناسب با متغیر های بیان شده در منطقه مورد بررسی می باشد. داده های استفاده شده در این تحقیق مربوط به 1217 بیمار مبتلا به هپاتیت B و C در طی مدت فروردین ماه 1393 لغایت بهمن ماه 1398 در استان همدان است و به منظور پیش بینی وضعیت بالینی مبتلایان، پیامد بیماری و تشخیص بیماری با استفاده از نرم افزار رپیدماینر نسخه 7.1 مورد تحلیل و بررسی قرار گرفته اند. ابتدا ویژگی های برتر با نظر خبره انتخاب، سپس با استفاده از مجموعه روش های دسته بندی شامل شبکه عصبی، ماشین بردار پشتیبان، نیوبیز و درخت تصمیم تحلیل روی داده ها انجام گرفت تا ضمن انتخاب روش برتر دسته بندی، پیش بینی های مورد نظر انجام شود. در مرحله بعد با استفاده از مجموعه روش های خوشه بندی شامل خوشه بندی افرازی، سلسله مراتبی و مبتنی بر چگالی، داده ها جهت استخراج الگوهای پنهان مورد تحلیل قرار گرفتند.
