بیماری‌های قلبی و عروقی یکی از شایع ترین انواع بیماری است که به راحتی می‌تواند موجب مرگ انسان شود. از اینرو، تشخیص و پیشگیری به موقع از حملات ناشی از این بیماری امری حیاتی محسوب می‌شود. امروزه، با پیشرفت تکنولوژی و پیدایش سرویس‌های مراقبتی مبتنی بر اینترنت، پزشکان قادر به نظارت از راه دور بیمار شده‌اند. در این مقاله، یک معماری جدید مبتنی بر مه-ابر برای تشخیص و پیشگیری از حملات قلبی پیشنهاد شده است که در لایه حسگر از حسگرهای ضربان قلب و فشارخون برای اندازه‌گیری مشخصه‌های بیمار استفاده می‌شود. این کاربد قصد دارد با بهره‌مندی از اینترنت اشیا حملات قلبی را به موقع تشخیص دهد. در مدل پیشنهادی به دو محدودیت عمده تاخیر و محدودیت منابع در اشیا توجه شده است. به منظور تشخیص خودکار و ایجاد هشدار از روش‌های یادگیری ماشین استفاده شده است. در فاز یادگیری از الگوریتم LightGBM که یک الگوریتم یادگیری ماشین سبک و دقیق است استفاده می‌شود تا بتواند پاسخگوی سرعت مورد نظر در خصوص این نوع کاربرد باشد.
