藏医学是我国传统民族医药学中重要组成部分,拥有独特的理论体系和临床疗效。由于其临床研究基础薄弱,疾病证型分型及诊断过程中医者主观因素较强,缺乏规范和统一的科学诊疗体系。利用数据挖掘技术研究藏医诊疗决策是传承藏医、防治疾病方法和手段的主要内容,而该类研究尚处于起步阶段。本文首先利用聚类算法对高原常见病(慢性萎缩性胃炎)进行分型,结合临床诊疗数据提出藏医证型分型研究思路,采用两步聚类与K-means算法对高原常见病(慢性萎缩性胃炎)进行初步分型,提出Gower距离+改进k-modes方法并进行验证,最终确定划分高原常见病(慢性萎缩性胃炎)为四个证型,实现藏医证型分型的客观性和规范性;其次,通过关联规则对疾病症状特征进行关联挖掘,针对课题研究内容及Apriori算法缺点,提出基于约束思想的改进Apriori算法,其核心是约束频繁项集,只保留符合约束条件的项构建频繁项集,不仅缩短运行时间,而且使挖掘得到的规则集更有实际意义,体现挖掘的高效性和可行性;最后,根据聚类划分证型的结果,利用分类算法建立藏医证型分类模型。基于灰箱法思想,采用经典的分类算法即朴素贝叶斯、逻辑回归、神经网络、随机森林建立预测模型,并对预测准确率、Kappa Statistics、TP Rate、ROC Area等多个Evaluation Criteria进行评估,以寻求理想的建模方式。最终,实现高原常见病(慢性萎缩性胃炎)藏医诊疗预测模型,其预测准确率达到87.2%。