خدمات فوریت های پزشکی از جمله خدمات پر مخاطره و بسیار سخت می باشد، چرا که خطای در تصمیم گیری برای تعیین روش درمانی بیماران اورژانسی تبعات جبران ناپذیری در پی خواهد داشت. همچنین تصمیمات اتخاذ شده در فضایی پرتنش و بر مبنای عدم قطعیت صورت می پذیرد. اخیراً متخصصان اورژانس متوجه شده اند که فرایند تصمیم گیری عنوان شده با در نظر گرفتن وضعیت عدم وجود اطلاعات دقیق، از دقت مطلوبی برخوردار نمی باشد. از این رو در این پایان نامه، یک مدل کمک تصمیم گیرنده ارائه شده تا حتی در شرایط عدم قطعیت و اطلاعات ناقص، بتوان با دقت بالایی روش درمانی مطلوب را تعیین نمود. از این رو با بکارگیری روش فازی و مقایسه آن با معروف ترین الگوریتم های یادگیری ماشین این امر محقق شده است. مجموعه داده استفاده شده در این جا، با همکاری مرکز مدیریت و فوریت های پزشکی استان فارس جمع آوری گردیده و شامل 227 مورد مربوط به گروه بیماران اورژانسی قلبی است. از تعداد 51 ویژگی استخراج شده، تعداد 47 عدد، بولین، تعداد 4 مورد، حقیقی که برای 16 روش درمانی بیماران اورژانسی قلبی تعیین شده است. در روش فازی استفاده شده، با ارائه راه حلی، امکان بکارگیری آن برای انواع داده های اسمی و بولین فراهم گردید. نتایج به دست آمده و ارزیابی صورت گرفته، نشان می دهد که راه حل ارائه شده از کارایی بالایی برخوردار می باشد.