Los errores de diagnóstico representan un problema crítico en el diagnóstico y tratamiento clínico. En China, la tasa de errores de diagnóstico en diagnósticos clínicos es aproximadamente del 27.8%. En comparación, en los Estados Unidos, que cuenta con los recursos médicos más desarrollados a nivel mundial, la tasa promedio de errores de diagnóstico se estima en un 11.1%. Se estima que anualmente, aproximadamente 795,000 estadounidenses mueren o sufren discapacidades permanentes debido a errores de diagnóstico, una parte significativa de los cuales se puede atribuir al fracaso de los médicos al hacer diagnósticos clínicos precisos basados en las presentaciones clínicas de los pacientes. La diagnosis diferencial, como paso indispensable en el proceso de diagnóstico clínico, desempeña un papel crucial. Excluir con precisión diagnósticos diferenciales que son similares a las manifestaciones clínicas del paciente es clave para garantizar un diagnóstico y tratamiento correctos. La mayoría de las investigaciones actuales se centran en asignar diagnósticos precisos para enfermedades específicas, pero los estudios que proporcionan asistencia de diagnóstico diferencial razonable a los médicos son escasos. Este estudio presenta una solución novedosa diseñada específicamente para este escenario, empleando técnicas de aprendizaje automático distintas de los enfoques convencionales. Desarrollamos un método de cálculo de recomendación de diagnóstico diferencial para la medicina basada en la evidencia clínica, basado en representaciones interpretables y un flujo de trabajo computacional visualizado. Este método permite la utilización de datos históricos en modelado y recomienda diagnósticos diferenciales que deben considerarse junto con el diagnóstico primario para los médicos. Esto se logra ingresando las manifestaciones clínicas del paciente y presentando los resultados del análisis a través de una visualización intuitiva. Puede ayudar a médicos menos experimentados y a aquellos en áreas con recursos médicos limitados durante el proceso de diagnóstico clínico. Los investigadores discuten los resultados experimentales efectivos obtenidos de un subconjunto de registros médicos generales recopilados en el Hospital Shengjing bajo la premisa de garantizar la calidad, seguridad y privacidad de los datos. Esta discusión resalta la importancia de abordar estos problemas para una implementación exitosa de recomendaciones de diagnóstico diferencial basadas en datos en la práctica clínica. Este estudio es de gran valor para investigadores y profesionales que buscan mejorar la eficiencia y precisión de los diagnósticos diferenciales en diagnósticos clínicos utilizando análisis de datos.