随着电子病历系统的普及和应用，医疗机构累积了海量的医疗电子病历数据。这些电子病历的数据蕴含了许多对于临床诊断，治疗方案制定和医学研究等方面来说十分宝贵的知识。所以电子病历数据的挖掘与分析能够提高医疗保健水平，从而支持医生的诊断和治疗方案的制定。本文从电子病历数据入手，利用机器学习模型，结合医生的先验知识设计实现了两个基于电子病历的可视分析系统。
　　针对于风险特定的疾病，本文设计并训练了一个神经网络来预测病人在治疗过程后可能遭受的风险，并针对模型风险预测结果，模型不确定度和参数敏感度设计了一个可视分析系统。医生可以通过查看属性敏感度，然后通过手动调整治疗方案查看预测结果，也可以让模型自动对治疗方案进行优化。本文通过一个真实的数据集来展示系统的有效性。
　　但对于更普遍风险未知的情况，本文首先提出了一种基于加权马氏距离的病人相似性计算度量方法，然后通过一个可视分析系统来对相似病人集合进行探索交互分析和模型的主动学习。医生可以基于自动学习到的相似病人检索模型分析模型权重，从而分析疾病与属性之间的关系。另一方面，医生基于检索获得的相似病人群体，自定义感兴趣属性。系统能够生成属性的统计分布，提供给医生信息，从而预测风险。最后，本文通过两种疾病的案例，来说明整个系统的流程和有用性。