本发明公开了一种多疾病风险预测模型训练方法，通过数据采集模块进行原始数据进行获取，然后进行数据转换，并通过SparkStreaming实时流处理系统，进行数据规则过滤及数据清洗，并进行数据标准化结构化处理；将处理好的数据进行分为训练集和验证集两部分；通过Spark分析、挖掘数据，通过神经网络进行模型训练，得到疾病训练的的模型，再对模型进行评估；具体通过验证集对模型进行评估验证；并通过验证集的数据对模型进行参数优化；输出预测模型，并通过预测数据输入预测模型中；输出预测结果。本发明基于历史数据的真理和模型训练，并通过训练模型进行预测疾病数据，能帮助医生进行病情评估和诊断疗程的进行预判，帮助病人了解病情发展情况。