بیماری‌های پوستی امروزه تبدیل به امری معمول و رایج شده ­است و کمتر بیمارستانی امکانات لازم برای تشخیص ماشینی بیماری‌های پوستی را دارد. هدف این پژوهش ارائه یک تصمیم ­یار پزشک می­باشد که این سیستم وظیفه پیش ­بینی و طبقه ­بندی بیماری­ های پوستی را به عهده دارد. در واقع این پزشک ­یار  یک تکنیک دو مرحله ­ای است که مرحله اول به عهده الگوریتم ازدحام ذرات برای رسیدن به همگرایی مناسب SVM با مقدار­دهی دو پارامتر مهم این طبقه­ بندی می­باشد و سپس در مرحله بعد پیش­بینی بیماری­ها و طبقه ­بندی داده­ها توسط SVM انجام می ­پذیرد. برای ارزیابی روش پیشنهادی سه آزمایش مهم شبیه ­سازی شد. آزمایش اول ارزیابی فرایند همگرایی PSO جهت بهینه ­سازی پارامترهای مهم SVM است. آزمایش دوم مربوط به تغییرات روند بیماری ­ها در شش طبقه انجام گرفت که نتایج نشان داد پیش­ بینی به ازای 30% از کل داده­ های موجود نسبت دو روش معروف (ARMA و ARIMA) بسیار قوی­تر عمل کرده و در فاز پیش­ بینی موثر واقع شده­است. در نهایت آزمایش سنجش دقت روش پیشنهادی است که از روش­های RMSE، MAE و MAPE استفاده شد. نتیجه معیار RMSE در روش پیشنهادی با مقدار 0/64874، معیار MAE با مقدار 0/52985 و معیار MAPE با مقدار 0/30376 از خود به ثبت رساند. روش پیشنهادی در مقایسه با سایر تکنیک ­ها تضمین می­کند از  قدرت بالاتری در امر پیش بینی برخوردار است و کارایی آن بیش از 2 برابر دو روش متداول دیگر عمل کرده است.