每年死于心脏病的美国人最多，冠状动脉疾病(CAD)是心脏病最常见的形式。冠心病的早期发现和预防可以显著降低死亡率，但目前，诊断冠心病的方法是使用昂贵的侵入性成像检查，如冠状动脉造影。在这项研究中，我们使用了一种基于两阶段机器学习的预测模型，使用最小的成像数据来预测CAD的状态。数据挖掘是从给定的数据集定义模式的过程。该项目应用模式查找技术来预测人类患者的CAD状态。我们使用模型的第一阶段成功地预测了特定冠状动脉的阻塞。我们的模型可以作为开发更强大的预测设备或软件的蓝图，为这种危及生命的疾病提供廉价的早期指标。