随着中国人口老龄化进程的不断加快,老龄患者对医疗的需求正在不断上升,相对应的高龄手术例数也呈逐年上升趋势,虽然当今医疗水平技术飞速发展,手术风险依旧存在。尤其对于高龄患者而言,由于身体素质原因同时伴有大量慢性病,使得手术风险大大增加,对于高龄患者的手术医生往往十分慎重。然而高龄患者对长寿的期望越来越高,想通过手术改善生活质量的意愿也越来越强烈,故在术前做好相应的风险评估显得尤为重要。传统的手术风险评估系统大多只提供了一种简单的概率预测,且评估方法易受主观判断影响,提供的预测信息往往十分有限。而许多个人研究的手术风险评估系统大多针对的是单病种或特定人群,现有的系统往往不能对临床医生在术前准备期间提供足够的辅助决策支持能力。同时兼顾高龄患者及通用型的手术风险预测系统上存在空缺。若手术风险预测系统能够提供相似患者的病历,使得医生能够尽早了解相关手术风险,做好准备则能够大大降低风险的发生概率。为了解决传统风险预测系统存在的不足,本文提出了一种基于聚类的高龄患者手术风险预测模型。通过对上海某大型二甲医院的高龄手术患者进行研究,选取近两年60岁以上手术患者的相关数据。对数据进行特征分解,参照临床术前问诊模式,将待研究的样本特征分解为手术特征和检验特征。对手术特征和检验特征进行分块聚类,选取最优模型并对学习样本打上标签。对样本进行预测时,利用中文文本聚类对术前小结进行相似度计算,结合分解特征的标签,通过规则获取风险预测的结果。相比现有的模型,本文对通用型术前风险预测模型的研究提供了一种新的研究思路,使得模型能够提供风险预测的同时还能对相似风险病历进行推荐,提高了手术风险预测模型的可用性。在对特征进行聚类分析时,提出了一种改进的k-means算法。通过结合SOM算法,取其竞争层节点的最终权重作为k-means算法的聚类中心。结合信息增益算法以及改进的Relief算法,对每个特征维度赋予权值,考虑了不同特征维度对聚类结果的影响。同时结合轮廓系数与手肘法确定初步聚类个数的范围,对传统的k-means算法进行了改进,使得算法能够更加符合临床特征指标的研究。最后实验也证明,通过使用改进的kmeans算法的模型预测效果,比使用传统k-means算法有着更高的精准率,效果更好。