随着医学的不断发展,各专业分化越来越细,专家们专注于自己所学的专门学科,在深刻钻研专业知识的同时势必造成知识面的缩小。在恶性肿瘤等复杂的疾病治疗过程中,为了使患者能获得更完善更全面的医疗服务,医院等医疗机构以患者为中心,联合各个学科的医生和专家共同为患者制定完善的治疗方案。这种理念和方式不仅为患者提供了更优质的医疗服务,同时也促进了不同学科的医生之间的交流,对医学的发展有着重要的积极影响。然而与庞大的医疗需求相比,医疗资源十分紧缺。此外,缺乏标准的电子化的系统对多学科诊疗的过程进行记录和分析也是提高诊疗效率的一个很大的瓶颈。针对这些问题,本文尝试将机器学习技术应用到医疗领域,在前期建立的高质量乳腺癌病例数据库基础上开发了一个能高效准确地推荐治疗方案的智能诊断支持系统,并投入了实际使用。在多学科讨论的过程中,系统以不同的方式为患者推荐诊疗方案以供参考。为了提高该系统的各方面性能,并帮助患者制定一个更为完善的综合治疗方案,本文根据推荐结果和实际的讨论记录数据进行分析,还提出了一种可以融合多种方式推荐结果的方法。此外,本文针对现实数据中存在的概念漂移现象,提出了适用于概念漂移的推荐算法,并进行了相关实验和分析。