Darbā apskatīta biomedicīniskās diagnostikas problēma. Tās specifika ir vairāki tūkstoši vienlaicīgi analizējamu bioloģisko pacienta stāvokļu rādītāju (gēnu, proteīnu vai antivielu), kuros jāatrod slimības marķieri. Šī problēma darba ietvaros formalizēta kā datu ieguves klasifikācijas uzdevums, kurā bioloģisko rādītāju vērtības sastāda pacienta stāvokli aprakstošo vektoru, bet diagnoze ir klase, kurai pieder pacients. Uzdevuma risināšanai darba ietvaros izstrādāta metodoloģija, kas iekļauj divas šī uzdevuma risināšanai darba ietvaros izstrādātas metodes – klašu dekompozīciju un hibrīdu klasifikācijas metodi, kas balstās uz ģenētiskajiem algoritmiem un lēmumu koku klasifikatoru ansambļiem. Klašu dekompozīcija ļauj uzlabot klasifikācijas precizitāti, aprakstot un klasifikācijā izmantojot datu iekšējās struktūras īpašības. Savukārt, uz lēmumu koku klasifikatoru ansambļiem un ģenētiskajiem algoritmiem balstītā klasifikācijas metode, pielietojot gadījuma apakštelpas metodi, ļauj atrast kvazi-optimālus viegli interpretējamus klasifikatoru ansambļus, kas satur tikai informatīvākos atribūtus un parāda to savstarpējās sakarības. Darbs ir sakārtots tā, ka pakāpeniski, pārbaudot darbā izvirzītās hipotēzes, tiek pierādīta izstrādātās metodoloģijas efektivitāte. Rezultātā tiek pierādīts neliela biomarķiera paneļa izmantošanas pamatojums (izstrādātajā klasifikācijas metodē ir iekļauta atribūtu atlase), klašu dekompozīcijas izmantošanas lietderīgums, izstrādātās klasifikācijas metodes precizitāte, kā arī izstrādātās metodoloģijas pārākums biomedicīnisko datu analīzē.