Bài toán chẩn đoán bệnh là bài toán phổ biến trong y học. Việc chẩn đoán đúng và chính xác có ý nghĩa quan trọng trong việc điều trị của bệnh nhân. Chẩn đoán sớm và chính xác giúp việc điều trị có hiệu quả cao với chi phí thấp hơn rất nhiều. Có nhiều nghiên cứu đưa ra các phương pháp chẩn đoán bệnh sử dụng trí tuệ nhân tạo và học máy. Ngoài ra, lý thuyết tập mờ và logic mờ cũng có vai trò to lớn trong việc giải quyết bài toán chẩn đoán bệnh. Trong bài báo này, chúng tôi giới thiệu một phương pháp dựa trên lý thuyết về tập mờ phức để xây dựng hệ hỗ trợ ra quyết định. Từ đó xây dựng ứng dụng để giải bài toán chẩn đoán bệnh xơ gan trên bộ dữ liệu thực tế được thu thập từ các bệnh viện ở Thái Nguyên. Kết quả thực nghiệm chỉ ra rằng, mô hình đề xuất có kết quả hỗ trợ chẩn đoán cao hơn các phương pháp FMNN, SVM, FIS, FLT được so sánh., Tóm tắt tiếng anh, Disease diagnosis problem is a very popular problem in medicine. The early and accurate diagnosis will reduce the treatment cost and increase the probability of success for patients. In recent years, there were many researches related to medical support via machine learning methods. In this paper, we introduce the integration model including transfer learning and complex fuzzy set in order to solve this problem. Our proposed model is applied in a real data set related to liver diseases. This data set was collected from hospitals in Thai Nguyen to compare with different methods. The experimental results show that our model gets the best performance.