داده کاوی، فرآیندی است که با استفاده از تکنیک های هوشمند، دانش را از بین مجموعه ای از داده ها استخراج می کند. یکی از حوزه هایی که می توان از داده کاوی به طور موثر کمک گرفت و نتایج قابل توجهی به دست آورد، داده های پزشکی است. حوزه پزشکی و سلامت از بخش های مهم جوامع صنعتی می باشد. با توجه به اینکه بیماری های مرتبط با سیستم استخوانی بدن بسیار شایع هستند و بی توجهی بیمار نسبت به آن ها سبب تشدید بیماری می گردد، لازم است اولاً وضعیت این بیماری در جامعه به طور دقیق مشخص شود و ثانیاً عواملی که در انتشار این بیماری، موثر است شناسایی شوند تا بر اساس این عوامل، بهترین روش کنترل بیماری های استخوانی مورد استفاده قرار گیرد. در صورت دسته بندی صحیح، نوعی صرفه-جویی در زمان و هزینه بیماران و پزشکان را خواهیم داشت. در این تحقیق از سوابق مراجعه کنندگان مشکوک به ضایعات سیستم استخوانی بدن استفاده شد، تلاش شد تا بر اساس حداقل ویژگی های ثبت شده (نظیر سن، جنسیت و علائم نشانه بیماری در هنگام مراجعه به بیمارستان) در مرکز درمانی مربوطه، دسته بندی مناسبی از وضعیت جسمی بیماران نسبت به تشخیص صورت گرفته توسط پزشک انجام شود. جهت اجرای خودکار الگوریتم ها، از نرم افزار تخصصی داده کاوی clementine 12.0 spssاستفاده شد که در آن مدل های پیش بینی و تصمیم ساخته می شود. ابتدا پس از آماده-سازی داده ها، سه الگوریتم رایج درخت تصمیم cart، quest و chaidانتخاب و سپس با هم مقایسه گردید. الگوریتم cartبه دلیل داشتن بیشترین دقت در انجام دسته بندی به عنوان بهترین الگوریتم درخت تصمیم از بین سه الگوریتم یاد شده جهت دسته بندی بیماران مشکوک به ضایعات سیستم استخوانی بدن معرفی شد. با وجود مشکلات و موانعی که در زمینه داده کاوی پزشکی وجود دارد، اهمیت داده های پزشکی و نقش کلیدی روش های تحلیل و کسب دانش مفید از این داده ها در سلامت بشر، به نظر می رسد که داده کاوی پزشکی باید تبدیل به یکی از مهم ترین حوزه های کاری داده کاوی گردد و بستر مناسبی برای متخصصین سراسر دنیا فراهم شود تا در زمینه رشد و تعالی روش ها و ابزارهای کسب دانش از این داده ها گام هایی برداشته شود.