随着人工智能技术的发展,利用人工智能(Artificial Intelligence,AI)技术在医疗相关行业进行研究成为了时下最热门的话题。但是在罕见疾病研究领域,由于受限于罕见疾病数据的相对稀少和发病机制复杂的特性,目前人们还没有找到一个高效可靠的算法来对罕见疾病进行预测和辅助诊断。本文针对这一问题,提出了RDPA预测算法(Rare Disease-Phenotype Association Prediction Algorithm)作为问题的解决方案。该算法分为两部分,首先是以经典的TF-IDF算法为基础,针对罕见疾病数据将算法进行了相应的改进,从而实现预测表型和疾病之间一对一关系的关联度的功能。之后本文在前一步的基础上利用融合算法将表型和疾病之间一对一的关系进行融合,进而得到表型和疾病之间的多对一关系,从而使得RDPA算法实现了对多表型疾病进行辅助诊断的功能。通过将RDPA算法与其他常用的预测算法(TF-CRF和TF-IDF-CHI等)进行比较,本文发现,RDPA算法相较于其他的预测算法有着更好的性能,具有更高的精确度和稳定性。此外本文还对RDPA算法在训练集上的表现进行分析,为算法的使用者提出了具体的使用建议。通过对RDPA算法在训练集和公共数据集上取得的结果进行分析,本文得出结论,RDPA算法是一种行之有效的罕见疾病预测算法,并且有着广泛的应用空间,为广大研究人员提供了一个高效可靠的辅助诊断算法以供选择。