医生对病人的诊断过程是利用临床医学知识加上多年的经验积累，并通过询问病情、化验、B-超、核磁共振等医疗手段获取相应数据后，判断推理该病人所患疾病、选取治疗方案。论文采用智能化推理方式模拟医生的推理过程，克服了因基于规则推理难以增量获取复杂病症消息，进而导致推理效率低下的缺点；同时在案例检索中将规则推理结果作为索引，大大提高了案例搜索速度。本文首先对多年积累的病例数据进行格式化整理，通过利用优化的决策树算法，按照病症特征属性的重要度选取结点，进行建树，在此基础上进行规则提取，并建立诊断规则知识库；然后根据疾病数据的特点结合模糊数学与最近邻算法提出案例检索混合算法；最后以就诊者的病症及规则推理结果为索引查询大数据病例库，找出贴近度最大的病例作为诊断的重要依据。本文对上述机器学习推理机采用主辅的集成方式，且内部实现以基于规则推理为主，基于案例推理为辅的集成策略，构建混合式推理机的数学建模。并进行了计算机程序设计和编码实现，对1000余例病历进行模拟仿真，达到了预想的快速、准确诊断目标。