目的 基于机器学习的方法构建慢性肾炎中医智能辨证模型。方法 检索知网、万方、维普、中国生物医学文献服务系统、古今医案云建库至2023年3月公开发表慢性肾炎相关医案文献。建立慢性肾炎中医医案信息数据库，然后将数据按7∶3成为训练集和验证集。运用决策树（decision tree,DT）、随机森林（random forest,RF）、极限梯度提升（extreme gradient boosting,XGBoost）、支持向量机（support vector machine,SVM）、K最邻近节点算法（K-nearest neighbor,KNN）、BP神经网络（back propagation neural network,BPNN）对训练集进行模型构建与超参数调优，并通过验证集对模型进行内部验证。结果 最终得到786个医案数据，决策树的准确率81.5%，随机森林的准确率85.4%，极限梯度提升的准确率83.7%，支持向量机的准确率85%,K最邻近节点算法的准确率62.2%,BP神经网络的准确率72.1%。结论 随机森林对慢性肾炎证型的判定推断最准确，人工智能应用于慢性肾炎中医辨证方法学上可行。