经济社会不断发展，人们的生活水平和受教育程度不断提高，国民的健康问题也受到越来越多的关注。近年来数据挖掘的研究火热，在各行各业得以应用，其对生活的影响慢慢得以体现。而利用好医疗数据也成为未来的一个研究热点。其中对于疾病的病理分析有着越来越重要的意义，正逐渐受到人们的关注。目前对于病理的分析主要存在以下问题：一是计算机等设备绝大多数还只是检测临床生理指标的工具，最终还是需要有医生进行人工分析诊断，往往很多时候也受到医生的经验制约。二是由于生理机体本身的复杂性，在很多疾病的临床表现上其实有很多相似之处，但是医生都有自己擅长的疾病领域，不同领域的专家根据自己所掌握的知识和经验所得出的诊断结果可能会有不同。而这种主观上造成的某些局限性会带来不少问题。　　为了挖掘病理数据的内在属性，为相关临床医疗提供更好的指导价值，本文提出了将PCA（Principal Components Analysis，主元分析）和ELM（Extreme Learning Machine，极限学习机）结合的数据驱动算法，建立病理数据分析模型，并将其应用在冠心病和病毒性肝炎预后的病理数据分析中。现有研究还未将ELM应用在病理分析方面。本方法首先通过主元分析（PCA）提取出病理数据空间中的显著差异性特征，据此将数据降维，然后采用ELM算法训练和构建数据分类器模型，用于数据分析。仿真实验结果显示PCA-ELM所建立的模型在不损失精度的情况下比传统的BP（Back Propagation）神经网络和支持向量机SVM（Support Vector Machine）训练速度更快，并且优于单独的ELM，具有更好的外延性。研究表明该数学模型在医疗病理研究上具有一定应用前景和研究价值。