摘要目的 构建基于常规检验数据的多发性骨髓瘤(MM)预测模型.方法 纳入2022～2024年中山市人民医院确诊的224例MM患者作为研究组,纳入同期200例健康体检者作为对照组.收集两组共74项常规检验指标,先通过科尔莫戈罗夫-斯米尔诺夫(K-S)检验判断数据正态性,再采用独立样本t检验或秩和检验比较组间差异.对差异具有统计学意义的指标绘制受试者工作特征(ROC)曲线,筛选曲线下面积(AUC)值＞0.7的指标作为有效特征变量,采用随机森林分类器构建预测模型,并通过5折交叉验证对模型性能进行评估.结果 共发现两组间差异具有统计学意义的检验指标38项(均P＜0.05).其中,尿液总κ轻链(uκ)和尿液总λ轻链(uλ)的AUC值均为1.0,具有最强的预测能力.5核苷酸酶(5-NT)、类风湿因子(RF)、红细胞分布宽度-变异系数(RDW-CV)、凝血酶时间(TT)升高以及红细胞比容(HCT)、血红蛋白(Hb)降低时的AUC值均超过0.9,具有较强的预测能力.β 2微球蛋白(β 2-MG)、红细胞分布宽度-标准差(RDW-SD)、胱抑素C(CysC)、C反应蛋白(CRP)、腺苷脱氨酶(ADA)、甘油三酯(TG)、肌酐(Cr)、碱性磷酸酶(ALP)、尿素(Urea)、抗链球菌溶血素(ASO)升高以及白蛋白(Alb)、红细胞(RBC)、估算肾小球滤过率(eGFR)、血小板(PLT)、活化部分凝血活酶时间(APTT)、肌酸激酶同工酶(CK-MB)、平均红细胞血红蛋白浓度(MCHC)、高密度脂蛋白胆固醇(HDL-C)、总蛋白(TP)降低时的AUC值介于0.7～0.9,具有中等的预测能力.其余差异具有统计学意义的指标的AUC值介于0.5～0.7,具有较弱的预测能力.基于AUC值＞0.7的指标进行了重要性排序.构建的随机森林模型在预测MM患者与健康个体时,准确度达到100％,且精确率、召回率及F1分数均为1.00.该模型已保存为.pkl文件,完整的Python代码也已上传至GitHub平台.结论 基于常规检验指标,使用随机森林分类器能够有效构建MM预测模型,不仅提高了MM的早期识别效率,而且显著增强了常规检验数据的利用价值.