结直肠癌是全球常见的恶性肿瘤之一，其发病率和死亡率均居高不下。手术是结直肠癌治疗的主要手段，然而，术后的吻合口瘘成 为影响患者预后和生活质量的关键并发症。吻合口瘘的发生率虽然在不同研究中有所差异，但平均约为 3%-15%，显著增加患者的住院时 间、医疗费用，并可能导致感染、脓毒症甚至死亡。因此，识别术后吻合口瘘的高风险患者并构建有效的预测模型，对于早期干预和减少 并发症至关重要。在医疗领域，机器学习作为一种强大的数据分析工具，已广泛应用于疾病诊断、治疗决策以及预后评估等方面。其通过 构建数学模型，从大量临床数据中挖掘潜在的规律和模式，为个性化医疗提供可能。近年来，许多研究开始探索机器学习在结直肠癌术后 吻合口瘘风险预测中的应用，通过识别关键风险因素，构建预测模型，以期提高吻合口瘘的预测精度。尽管已有研究取得了一些进展，如 基于 LASSO 变量选择的 Logistic 回归模型和 Nomogram 预测模型，但该领域仍面临诸多挑战。本研究旨在通过系统梳理国内外相关文献，深 入分析结直肠癌术后吻合口瘘的危险因素，利用机器学习方法构建预测模型，并评估其在实际临床场景中的应用价值。