摘要目的 本研究基于多模态临床数据构建AFP阴性肝细胞癌(ANHC)患者术后复发及生存风险的动态列线图模型,通过机器学习整合肿瘤生物学特征与治疗响应参数,揭示ANHC特异性预后标志物组合,为突破传统血清学标志物局限提供个性化风险评估工具.方法 回顾性纳入2012年4月28日—2018年12月31日于东方肝胆外科医院接受肝切除术的421例ANHC患者,随机分为训练组(210例)和验证组(211例).通过单因素及多因素Cox比例风险回归筛选独立预后因素,构建列线图模型,并采用受试者操作特征曲线(ROC曲线)、校准曲线和决策曲线分析(DCA)验证性能.检测指标包括前白蛋白(PA)、白细胞(WBC)、肿瘤大小、微血管侵犯等.计数资料两组间比较使用χ2检验或Fisher精确检验,计量资料两组间比较使用成组t检验或Mann-Whitney U检验.结果 通过多因素分析确定的无病生存期(DFS)的独立危险因素包括多发肿瘤(HR=3.30,P<0.001)、WBC(HR=1.05,P=0.005)、血糖(HR=1.15,P=0.026)、糖类抗原19-9(CA19-9)(HR=1.01,P=0.005)和肿瘤大小(HR=1.17,P<0.001),PA为保护因素(HR=0.99,P=0.022).总生存期(OS)的独立危险因素包括肿瘤包膜不完整(HR=0.60,P=0.009)、年龄(HR=1.02,P=0.035)、凝血酶原时间(PT)(HR=1.27,P=0.023)、CA19-9(HR=1.01,P<0.001)和肿瘤大小(HR=1.15,P<0.001).DFS列线图在训练组和验证组ROC曲线下面积(AUC)分别为 0.74(95%CI:0.64～0.84)和 0.67(95%CI:0.57～0.77),OS列线图的AUC分别为0.76(95%CI:0.64～0.88)和0.73(95%CI:0.60～0.87).校准曲线和DCA表明模型具有良好的预测性能和临床实用性.结论 肿瘤数目、PA、WBC、肿瘤大小等术前指标可有效预测ANHC患者术后复发,而肿瘤包膜完整性、年龄、PT等与OS显著相关.构建的列线图模型验证性能良好,可为个体化预后评估提供依据.