Un aspecto esencial de la atención médica es recibir un diagnóstico de enfermedad apropiado y oportuno. En los últimos años, ha habido un enorme progreso en la combinación de inteligencia artificial para ayudar a los profesionales a realizar estas tareas. El diseño de sistemas de inferencia difusa de Tipo-3 de intervalo (IT3FIS) para clasificación médica se propone en este trabajo. Este trabajo propuso un algoritmo genético (GA) para el diseño de IT3FIS donde las entradas difusas corresponden a atributos relacionados con una enfermedad en particular. Esta optimización nos permite encontrar algunos parámetros principales de los sistemas de inferencia difusa (FIS), como los parámetros de la función de membresía (MF) y las reglas difusas de tipo si-entonces. Como comparación con el método propuesto, los resultados alcanzados en este trabajo se comparan con sistemas de inferencia difusa de Tipo-1 (T1FIS), sistemas de inferencia difusa de Tipo-2 de intervalo (IT2FIS) y sistemas de inferencia difusa de Tipo-2 general (GT2FIS) utilizando conjuntos de datos médicos como Haberman"s Survival, Cryotherapy, Immunotherapy, PIMA Indian Diabetes, Indian Liver y Breast Cancer Coimbra, que alcanzaron 75.30, 87.13, 82.04, 77.76, 71.86 y 71.06, respectivamente. Además, se realizaron pruebas de validación cruzada. Las instancias establecidas como conjuntos de diseño se utilizan para diseñar los sistemas de inferencia difusa, la técnica de optimización busca reducir el error de clasificación utilizando este conjunto, y finalmente, el conjunto de pruebas permite la validación del rendimiento real del FIS.