随着大数据时代的到来,医疗信息系统的不断完善和广泛应用,使得生物医学数据呈现爆发式的增长,诸如医学影像、电子病历、生物特征标记、临床登记记录等医学数据都具有潜在且十分重要的研究价值。但是基于统计学的医学研究方法受研究群体类别和规模的限制,并不能高效地开展针对大规模医疗信息的数据挖掘工作,而面向大数据的机器学习技术则可以有效地解决这一问题。因此本文引入机器学习技术,全方位、多层次地整合了电子病历中的数据信息,深入分析和挖掘了有用的临床特征,建立了高血压患者心血管疾病的发作风险预测模型,为临床上开展疾病预警工作提供了强有力的参考。主要研究内容包括以下几点:(1)针对深圳市卫生信息平台收集到的几十万高血压患者的电子病历,经过患者人群的筛选、数据的预处理、特征变量的构造及相应的统计分析后,使用XGBoost算法训练得到由53个特征变量构成的冠心病风险预测模型,该模型AUC为0.967,准确率为0.918。(2)将该模型与传统的弗雷明汉模型进行对比,证明了基于大数据和机器学习算法构建的风险评估模型在疾病预测方面具有更高的准确率和可靠性。之后又通过单因素变量分析实验发现,传统的风险因素和模型提取到的临床特征在预测疾病发生概率时都表现出了高度的非线性相关。(3)为了增强模型的可解释性,又从特征变量,样本数据量和不同建模方法三方面开展对比研究,进一步探究和讨论了影响模型性能的重要因素。