目的:采用随机森林算法建立输尿管上段结石不同手术方式预后预测模型,为手术选择提供参考。研究方法:收集2018年1月至8月于中国医科大学附属盛京医院泌尿外科接受手术治疗的输尿管上段结石患者的临床信息作为变量。根据信息增益率对变量进行重要性排序后筛选出更有价值的变量,采用SMOTE算法处理数据不平衡问题。利用随机森林算法构建预后预测模型,并与利用其他3种常见的机器学习算法(NB、SVM、ANNs)得到的模型进行性能比较。结果:经信息增益率排序后发现,结石横面的长径、短径、手术方式、年龄、白细胞计数、结石位置(A段、B段)、结石数量、单双侧、肌酐、病程11种变量可以作为有效的建模变量。应用随机森林算法构建的预后预测模型的精确率为87.3%,AUC值为0.902。与其他3种算法相比,随机森林算法AUC值最高。结论:机器学习能够从输尿管上段结石患者众多的临床信息中筛选出有价值的变量建模。通过与目前常见的其它机器学习算法比较,我们发现随机森林算法建立的预后预测模型效果最佳,可以用于术前术式的个体化选择,当某种术式下的预测结果为阳性时,则推荐使用该术式,反之则不推荐使用该术式。