在面向复杂多样的慢性疾病诊断服务过程中，如何根据患者复杂的病情为其提供更加精准、智慧和个性化的辅助诊疗服务，是智能医疗决策的关键问题。基于此，本文考虑针对患者病历开展的案例推理过程中所生成的适应性达成阶段，提出了一种面向慢性疾病的个性化辅助决策方法。在提出的个性化诊疗决策方法中，首先，基于患者复杂多样的诊疗信息，融合相似性和粗糙集理论来确定患者的多种属性权重；其次，提出了自适应规则生成和组合权重偏好学习方法，构建自适应案例推理模型，从海量的历史病历库中为目标病历生成相似的历史病例，从而确定目标病历的患病情况；最后，结合相似性病历的治疗经验和目标病历自身差异化的生理数据，辅助医生为患者提供个性化的治疗方案。本文以糖尿病早期风险预测为例验证该方法的有效性，所提出的自适应规则生成和组合权重偏好学习方法能有效提高案例推理在求解医疗决策问题中的性能，实现复杂诊疗环境下的慢性疾病个性化辅助诊疗。