امروزه با رشد تکنولوژی و فناوری، تشخیص برخی از بیماریها ساده بنظر میرسد، و هر پزشکی میتواند با یک معاینه و شرح حال مختصر از عهده آن برآید. اما برای تشخیص تعداد دیگری از بیماریها، تیزهوشی پزشک، یک استنتاج قوی ذهنی و آزمایشات دقیق لازم است. تعدادی از بیماریها هم طوری هستند که به سبب ماهیت ناشناخته، زیرپوستی و تدریجی خود، غالبا خیلی دیر تشخیص داده میشوند.
بهمینرو، استخراج دانايي از ميان حجم انبوه داده هاي مرتبط با سوابق بيماري و پرونده هاي پزشكي افراد با استفاده از فرايند داده كاوي مي تواند منجر به شناسايي قوانين حاكم بر ايجاد، رشد و تسري بيماري ها شده و اطلاعات ارزشمندي را به منظور شناسايي علل رخداد بيماري ها، تشخيص، پيش بيني و درمان بيماري ها با توجه به عوامل محيطي حاكم در اختيار متخصصان و دست انداران حوزه سلامت قرار دهد. نتيجه اين مساله به معناي افزايش عمر و ايجاد آرامش براي افراد جامعه است.
کامپیوترها و برنامهها، مسلما در حال حاضر نمیتوانند معجزه کنند و هنوز «داده کاوی» هوش مصنوعی نمیتواند جای پزشکان را بگیرد، اما به یاری پژوهشهای گسترده دانشمندان، هوش مصنوعی تاکنون راه بسیاری پیموده است، و در مورد برخی از بیماریهای خاص، هوش مصنوعی به صورت هیجانانگیزی میتواند یاور پزشکان باشد و حتی خیلی زودتر از پزشکان، بیماریها را تشخیص بدهد. بطور مثال؛ در دهه اخیر، دانشمندان موفق به طراحی الگوریتم هوش مصنوعی ویژهای شدهاند که میتواند با تحلیل نتایج آزمایش بیماران، به وجود بیماری در آنها پی برده و حتی سالها پیش از وقوع بیماری، آن را پیشبینی نماید. در این پژوهش تلاش خواهیم نمود، تا حوزه های مختلف علوم پزشکی که توسط الگوریتم های داده کاوی مورد ارزیابی قرار گرفته و در به دست آوردن نتایج مطلوب موفق بوده اند، مطالعه گردد و کاربرد الگوریتم های تکاملی و فراتکاملی در تشخیص بیماریها را مورد بررسی قرار دهیم و مهمترين کاربردهای، تـشخيـص و پيـش بينـي انـواع بيمـاري هـا، تشخیص تاثير دارو بر بيماري و اثرات جانبي آن، خدمات قابل ارايه با استفاده از روش هاي داده كاوي و تعيين روش درمان بيماري ها،پيش بيني ميزان موفقيت اقدامات پزشكي، تـجــزيــه و تـحـلـيــل داده هــاي مـوجـود در سيستم هاي اطلاعات سلامت (HIS) و تحليل عكس هاي پزشكي توسط الگوریتمهای تکاملی و فراتکاملی، بازگو شود تا محققین در آینده بتوانند از این توانایی ها حداکثر استفاده را ببرند.