目的 探讨应用放大内镜结合窄带成像（ME-NBI）技术预测胃低级别上皮内瘤变（LGIN）组织学进展的价值，并建立临床预测模型。方法 回顾性选取2018-01-01-2022-12-31河北医科大学第四医院行ME-NBI检查同时病理确诊为胃LGIN的166例患者为研究对象。收集患者基本资料及内镜特征，采用χ2检验和logistic回归方法分析与胃LGIN进展有关的因素，采用logistic回归、决策树（DT）、随机森林（RF）、K-近邻（KNN）和支持向量机（SVM）5种机器学习算法建立临床预测模型。结果 166例患者，进展59例，未进展107例，组织病理未逆转为炎症54例，逆转为炎症53例。黏膜凹陷（χ2=10.410,P=0.001）、黏膜表面不完整（χ2=11.550,P<0.001）、规则微血管（χ2=4.000,P=0.046）和病变大小（χ2=24.970,P(0.001）在进展和未进展患者间差异有统计学意义。多因素分析结果显示，黏膜凹陷（OR=3.302,P=0.005）、黏膜表面不完整（OR=2.671,P=0.011）和病变大小（OR=5.556,P(0.001）是胃LGIN组织学进展的独立危险因素。基于logistic回归算法建立的临床预测模型泛化性最好，准确率为74.13%,灵敏度为0.810,特异度为0.790,曲线下面积（AUC）为0.800。病变大小的权重（1.392 084 20）最高，对疾病是否进展的结局影响最大。结论 黏膜凹陷、黏膜表面不完整、不规则微血管和病变大小≥1 cm的胃LGIN患者，组织学进展的可能性较大，更建议行内镜下切除。基于logistic回归机器学习算法建立的临床预测模型准确率及泛化性最好，可用于识别有较高进展风险的胃LGIN患者，并为治疗方案的选择提供可靠依据。