摘要目的 通过基于体素的形态学分析(voxel-based morphometry,VBM),比较具有攻击暴力行为与无攻击暴力行为精神分裂症(schizophrenia,SCZ)患者之间的结构磁共振成像(structural MRI,sMRI)特征差异,并构建机器学习模型,实现对攻击暴力行为SCZ患者的早期识别预测.材料与方法 回顾性分析2023年3月至2025年6月在山东省戴庄医院住院确诊为SCZ的患者146例,其中攻击暴力行为组77例,无攻击暴力行为组69例.对比两组患者的临床指标及sMRI形态学特征差异,并构建SCZ患者攻击暴力行为的机器学习预测模型.结果 两组患者之间的临床指标差异均无统计学意义(P>0.05);攻击暴力组的左侧岛叶皮层厚度、左侧梭状回皮层厚度、左侧岛盖部高斯曲率、右侧岛叶皮层厚度、左侧岛盖部平均曲率、右侧前额叶中后部皮层厚度低于无攻击暴力组(P<0.05).在四种机器学习预测模型中,逻辑回归(logistic regression,LR)、决策树(decision tree,DT)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)的曲线下面积(area under the curve,AUC)分别为0.824、0.821、0.917、0.940;DeLong检验结果显示,SVM模型的预测效能最高(P<0.05).SHAP(SHapley Additive exPlanations)分析表明,左侧岛叶皮层厚度是预测SCZ攻击暴力行为的核心特征.决策曲线分析(decision curve analysis,DCA)显示四种模型均具有较高的临床决策指导价值.结论 基于sMRI的机器学习模型可有效预测SCZ患者的攻击暴力行为,其中SVM模型的预测性能最优.