La generación de un enorme volumen de datos de monitoreo de salud en tiempo real estructurados, semi-estructurados y no estructurados, y su almacenamiento en forma de registros de salud electrónicos (EHR), necesita ser procesada y analizada de manera inteligente para brindar atención médica oportuna. Una plataforma analítica de big data es una alternativa a los paradigmas de almacén tradicionales para el procesamiento, análisis y almacenamiento del tremendo volumen de datos de salud. Sin embargo, el análisis manual de estos voluminosos datos de pacientes multivariables es tedioso y propenso a errores. Por lo tanto, es sumamente esencial un método de solución inteligente para realizar múltiples análisis de correlación para el diagnóstico y la predicción de enfermedades. En este documento, primero se propone un marco estructural para procesar el enorme volumen de datos cardiológicos generados por el hospital y los pacientes. Luego, se propone un modelo analítico inteligente para el análisis de datos cardiológicos combinando el concepto de red neuronal artificial (ANN) y optimización por enjambre de partículas (PSO) para predecir las anormalidades en la salud cardíaca de una persona. En el modelo propuesto de predicción de enfermedades cardíacas, se desarrolla un método extenso de análisis de datos de electrocardiograma (ECG) para identificar los posibles puntos característicos cardíacos normales y anormales. Los resultados de la simulación muestran los efectos de un número de atributos para mejorar la precisión de la predicción de enfermedades cardíacas y el tiempo de procesamiento de datos en la nube con un aumento en el número de pacientes cardíacos.