Con el crecimiento exponencial de los datos procedentes de diversas redes sociales como Facebook, Twitter, aplicaciones móviles, cámaras digitales, redes de sensores, etc., y también de las investigaciones biomédicas, el volumen total de datos ha aumentado enormemente. Por lo tanto, analizar y extraer información fructífera de unos datos tan dinámicos es una tarea muy difícil hoy en día. La minería de datos desempeña un papel fundamental en el manejo de big data para analizar el reconocimiento de patrones y las predicciones médicas. Podemos extraer datos utilizando varios algoritmos y técnicas como la clasificación, la agrupación, la regresión, las reglas de asociación, etc. Estos patrones se pueden utilizar para una rápida y mejor toma de decisiones clínicas de medicina preventiva y sugestiva. Implementa una técnica eficiente de minería de datos llamada algoritmo de crecimiento de patrones frecuentes (FP-Growth) para analizar el conjunto de datos de diabetes que se han recogido de varios pacientes y generar resultados de predicción útiles. Se puede acceder a los archivos almacenados en la nube en cualquier momento y desde cualquier lugar, siempre que se tenga acceso a Internet. Así que la nube almacena los conjuntos de datos de la diabetes y genera resultados de predicción útiles utilizando el algoritmo FP-Growth.