La clasificación de texto es un componente importante en muchas aplicaciones. La clasificación de texto ha atraído la atención de los investigadores para seguir desarrollando innovaciones y construir nuevos modelos de clasificación que se originan en textos de ensayos clínicos. Al construir modelos de clasificación, se utilizan muchos métodos, incluido el aprendizaje supervisado. El propósito de este estudio es mejorar el rendimiento computacional de uno de los métodos de aprendizaje supervisado, a saber, KNN, en la construcción de un modelo de clasificación de texto de documentos de ensayos clínicos mediante la combinación de KNN y el algoritmo de grano fino. Esta investigación contribuyó a aumentar el rendimiento computacional de KNN de 388,274 s a 260,641 s en textos de ensayos clínicos en un conjunto de datos de textos de ensayos clínicos con un total de 1,000,000 datos.