摘要： 目的 探讨基于深度学习（deep learning，DL）的成年人扁桃体切除术后出血风险预测模型的建立及应用价值。方法 选取海军军医大学第一附属医院2016年1月至2023年1月门急诊接诊的425例成年人扁桃体切除术后患者为研究对象，采用单因素和Logistic多因素分析的方法分析影响出血的因素，采用基于DL的方法构建风险预测模型，并在临床中对模型应用价值进行验证。结果 425例成人扁桃体切除术术后患者出血66例，出血发生率为15.53%。经单因素分析，患者年龄、扁桃体包埋程度、既往出血史、凝血酶原时间（PT）、活化部分凝血活酶时间（APTT）、血小板（PLT）、术后进食不当、术后并发感染是术后出血的影响因素（P <0.05）。进一步经Logistic多因素分析，年龄>60岁、术后进食不当、术后继发感染是术后出血的独立危险因素（P <0.05）。使用软件根据Logistic多因素回归分析结果构建预测模型，绘制受试者工作特征（ROC）曲线，曲线下面积（AUC）为0.725，灵敏度为62.42%，特异度为82.80%。将构建的预测模型用于成人扁桃体切除术干预中，结果显示患者的术后出血发生率为4.00%（2/50），与模型建立前比较差异有统计学意义（P <0.05）。结论 年龄>60岁、术后进食不当、术后继发感染是成年人扁桃体切除术后出血的独立危险因素，采用基于DL的方法构建风险预测模型，并应用于成年人扁桃体切除术中，可有效提升术后出血的诊治效率，并显著降低患者术后的出血风险，有较高的临床应用价值。