摘要目的 探讨整合临床因素及血清微小核糖核酸-204(miR-204)、微小核糖核酸-134(miR-134)构建的预测早期食管癌患者内镜黏膜下剥离术(ESD)后复发风险的机器学习模型的预测价值.方法 按照1∶1比例选取早期食管癌患者作为研究对象,包括ESD后1年内复发患者与未复发患者各100例,分别纳入复发组与未复发组.比较2组患者的临床资料,采用最小绝对收缩与选择算子(LASSO)回归模型筛选变量,构建随机森林(RF)、逻辑回归(LR)、极限梯度提升(XGBoost)、支持向量机(SVM)共4种机器学习模型.绘制受试者工作特征(ROC)曲线,分析4种机器学习模型对早期食管癌ESD后复发的预测效能.另选取早期食管癌ESD后复发患者与未复发患者各50例作为外部验证集,通过校准曲线和决策曲线分析(DCA)对综合预测效能最佳的模型进行验证.结果 2组患者在病变长径、病灶浸润深度、病灶环周范围、切缘阳性及血清miR-204、miR-134水平方面比较,差异有统计学意义(P＜0.05).4种机器学习模型中,RF模型预测术后复发的F1分数和曲线下面积(AUC)最高,综合预测效能最佳;RF模型中,重要特征变量排序依次为病灶环周范围、miR-204、miR-134、切缘阳性、病灶浸润深度、病变长径.在外部验证集中,RF模型的C指数为0.892,Brier评分=0.112分;校准曲线、DCA曲线显示,RF模型预测值与实际发生率接近,且其风险阈值范围为15％～100％时,具有显著的净获益.结论 基于病灶环周范围、miR-204、miR-134、切缘阳性、病灶浸润深度、病变长径这6个重要特征变量构建的4种机器学习模型中,RF模型对早期食管癌ESD后复发风险的综合预测效能最佳,具有较高的区分度、准确度及良好的临床适用性.