帕金森病是一种常见于中老年的神经变性疾病,但随着人们生活的多样化,中年以下的人群也有可能患帕金森病。迄今为止,帕金森病是一种没有办法治愈并且病情逐步加重的疾病,但是良好的药物和必要的治疗手段可以帮助帕金森病人恢复机能。目前,帕金森病诊断最重要的依据来自于帕金森病量表的测评结果。基于此,研究一种基于量表测评的自动识别帕金森病和帕金森用药推荐的方法对于预防、治疗帕金森具有非常重要的意义。本文采用机器学习技术对帕金森用药推荐模型进行了研究,主要工作如下：1)提出一种基于支持向量机的自动识别帕金森病的模型,该模型主要是基于一张设计的新量表快速识别帕金森病,而新量表则是基于主成分分析的帕金森病量表优化算法设计的。实验发现,用仅占原西医量表总问题数21%的新量表能达到与原量表相当的帕金森病识别水平。2)针对帕金森用药推荐模型,结合了“k标签子集准则”和“k近邻准则”,提出了基于混合策略的多标签学习框架用于帕金森病药物推荐。实验发现,该算法在帕金森病量表-用药数据集上比ML-kNN具有更好的性能。3)基于上述工作,设计并实现了基于“云平台+终端”的帕金森综合诊疗平台,分别开发了该平台的服务器系统和Android客户端。