为了缓解人口老龄化对我国居民健康以及国家医疗费用支出所带来的压力,我国实行了“健康中国”的战略,旨在将疾病控制在预防以及早期治疗阶段,个人健康管理平台应运而生。本文在研究平台架构以及疾病诊断预测相关算法的基础上,设计了个人健康管理平台的基础架构,并针对老年人体征数据普遍偏离正常值造成的模型精确度低等问题,提出了高精度的老年人疾病诊断预测模型,主要工作如下:首先,分析个人健康管理的发展现状以及服务需求,利用已有的成熟技术设计出个人健康管理平台的功能模块,并建立基本框架,通过比较证明框架优势所在。其次利用人群队列算法解决了平台运行的算法所存在的问题,改进了 APC(Age-Period-Cohort)模型,通过传统APC模型结果分离出个人习惯对结局的影响参数,并将个人习惯加入到新的APC模型影响因素中,针对不同习惯的人群引入相应的参数,在进行大范围人群队列研究的同时增加了模型对于特征人群(具有某些习惯的人群)的敏感度,并通过实验证明改进的APC模型相较于传统的APC模型具有更高的精准度。其三,建立了疾病的预测诊断模型,对改进后的APC模型结果进行量化,作为社会、历史的发展对人群产生的外部影响,与代表个人内在变化的标准化后的体征数据一同进行GA-clustering(Geneticalgorithm clustering),利用人群队列找出最相似人群,通过相似人群队列的疾病变化趋势完成疾病的预测工作,并以ROC(Receiver Operating Characteristic)曲线图的形式证明模型的优势。最后,通过真实的老年人数据以心脑血管疾病为例,对所设计的模型进行实验以及结果分析,证明模型的可行性,达到了设计的效果。