摘要目的 构建整合超声生境影像组学特征、临床参数和免疫学标志物的多模态融合模型,用于术前评估临床淋巴结阴性(cN0)甲状腺乳头状癌(PTC)患者的中央区淋巴结转移(CLNM)风险.方法 回顾性分析 2022年1月至 2024年 6月在常州市第一人民医院和徐州市中心医院诊治的 748例PTC患者临床资料,按约 7∶3的比例随机分配到训练组(n=404)和内部验证组(n=179),另设外部验证组(n=165).采用超像素过度分割和K-means聚类算法识别超声图像中 3个不同生境,从各生境中提取放射组学特征并经三步法筛选.多因素Logistic回归分析临床和免疫学参数,运用早期融合、晚期融合和集成融合 3种策略整合各模态数据构建机器学习模型.结果 多因素Logistic回归分析显示,存在桥本甲状腺炎是CLNM的保护因素(OR=0.357,95%CI:0.146～0.873,P=0.024),多灶性(OR=2.627,95%CI:1.142～6.039,P=0.023)和系统免疫炎症指数升高(OR=1.002,95%CI:1.001～1.003,P＜0.001)是独立危险因素.超声生境分析中,生境 3(低回声不均质区域)与CLNM关联最强.集成融合投票分类器在预测CLNM中表现最优,在训练集、内部验证集和外部验证集中受试者操作特征(ROC)曲线下面积(AUC)分别为0.98(95%CI:0.96～0.99)、0.98(95%CI:0.96～0.99)和 0.97(95%CI:0.95～0.99),准确率分别为 0.93、0.95和 0.86,灵敏度和特异度均超过 0.85.结论 多模态生境影像融合模型为术前评估cN0 PTC患者的CLNM风险提供了准确、可解释的工具,有望改善临床决策并优化个体化治疗策略.