摘要目的 本研究旨在利用人体血液脂肪酸水平,建立可解释的预测模型来判断肺癌发生的风险,促进肺癌的预防和早期诊断.方法 回顾性收集2023年6月至2025年6月解放军总医院第一医学中心(1677例)和解放军总医院第八医学中心(160例)收治的1837例肺癌(1194例)和非肿瘤(643例)患者临床和血液脂肪酸信息,通过设置随机数种子的方式,将解放军总医院第一医学中心数据集按照7∶3随机拆分为训练集和内部验证集,将解放军总医院第八医学中心的数据集划为外部验证集.分别使用随机森林模型、极端梯度提升模型、支持向量机(SVM)模型、分类与回归树模型,以及逻辑回归模型5种模型构建了肺癌的风险预测模型.采用受试者操作特征(ROC)曲线并计算曲线下面积(AUC)、临床决策曲线分析和校准曲线比较了5种模型的预测性能,选出最优模型.并使用Shapley加法解释SVM模型.结果 建立了一个包括年龄、棕榈酸、棕榈油酸、亚油酸、γ-亚麻酸、α-亚麻酸、花生四烯酸、二十碳五烯酸(EPA)、二十二碳六烯酸(DHA)、总单不饱和脂肪酸、总多不饱和脂肪酸、AA与二十碳五烯酸比值,以及ω-6多不饱和脂肪酸(ω-6PUFAs)与ω-3多不饱和脂肪酸(ω-3PUFAs)比值等17个预测因子的临床预测模型.外部验证结果表明,随机森林模型、极端梯度提升模型、SVM模型、分类与回归树模型,以及逻辑回归模型的ROC曲线下面积分别为0.927、0.931、0.934、0.840,以及0.912.决策曲线表明,SVM模型在大多数的概率下往往相较于其他模型能产生更多的收益.结论 基于SVM模型构建的肺癌风险预测模型性能最优,可有效辅助医务人员早期识别肺癌高危人群,结合风险因素实施精准营养干预,以降低发病风险.