在电子健康记录(电子病历)中进行知识发现是提高临床决策，预后和病人管理的中心环节。虽然电子病历在数据集成，自动化的访问和临床工作流程改进上具有巨大潜力。但是丰富的电子病历资料为文本信息，为广大的信息捕捉带来极大的不便，也为计算机对信息分析带了了巨大的挑战。在过去的几年中，我们目睹到社会网络分析和方法在医疗保健信息和管理系统的应用中的不断渗透。它可以有效性的利用信息技术，显著改善保健的策略的效率，进一步影响个人的日常生活，在本文中，我们根据提供的电子病例的文本信息，预测的患者在目前的健康状况的基础上，未来疾病的发生。预测疾病之间的关系的问题，是一个非常困难的，特别是在没有结构数据的文本数据上。为了这个目的，本文首先采用文本挖掘方法对每一个病人的整个历史病历进行特征提取分析，并对获取的特征构造一个加权疾病网络，然后，以频繁项集的Apriori 方法，以确定疾病之间的连接。一个真正的网络上的实验结果表明，该方法能准确地揭示疾病的相关性，并善于捕捉未来疾病风险表现良好。