Nos últimos dias, a indústria da saúde tem recolhido grandes quantidades de dados de pacientes, que infelizmente não são produzidos para dar alguma informação oculta, e assim tomar decisões eficazes, que estão ligadas à base de dados do paciente e são sujeitas a mineração de dados. Este trabalho desenvolveu um Sistema de Apoio à Decisão no Sistema de Predição de Doenças Cardíacas (HDPS) utilizando técnicas de modelação de prospecção de dados, nomeadamente Naïve Bayes e K-means, que são uma das técnicas mais populares. Utilizando dados médicos tais como idade, sexo, tensão arterial, níveis de açúcar no sangue, dores no peito, etc., podemos prever a probabilidade do paciente. Actualmente, a maioria dos hospitais utiliza sistemas de apoio à decisão, mas para obter os resultados da doença são largamente limitados, ou seja, Determinar com base no sexo, estado civil e que tenham sido tratados por insuficiência cardíaca. As soluções são sempre feitas num hospital com base na intuição e experiência dos médicos, e não nos ricos dados de conhecimento que estão escondidos na base de dados. Este processo conduz a preconceitos indesejáveis, erros e custos desnecessários de cuidados de saúde, o que afecta a qualidade dos serviços prestados aos pacientes, o que ajudará a tornar o processo de diagnóstico mais objectivo e mais fiável.