背景与目的:临床研究证实洗涤菌群移植（Washed microbiota transplantation,WMT）可有效诱导部分克罗恩病（Crohn’s disease,CD）患者的临床缓解,但仍有部分患者治疗反应不佳。本研究旨在利用CD患者的临床特征、血清代谢组学,借助机器学习,建立模型预测WMT治疗CD的疗效。方法:纳入活动期CD患者,使用液相色谱-质谱法分析治疗前患者的血清代谢谱,并评估WMT治疗前和治疗后CD患者临床症状、炎症指标。根据简化CD活动指数（Harvey–Bradshaw Index,HBI）定义缓解组和非缓解组。比较两组基线临床特征和血清代谢物的差异,经Boruta法对上述差异特征进行变量筛选,借助机器学习法进行WMT疗效的预测。结果:共纳入86例活动性CD患者。WMT后一周内,所有患者的腹痛、腹泻症状均改善,炎症指标下降。47例患者（54.65%）在WMT后3个月获得临床缓解。穿透型CD、合并肛周疾病、HBI评分高、身体质量指数（body mass index,BMI）低、有家族史的患者是影响WMT后获得临床缓解的风险因素。两组间在WMT前共有148个血清代谢物有显著差异。基于临床特征（前白蛋白、BMI、穿透型CD、非狭窄非穿透型CD和家族史）和血清代谢物（杜仲脂素A、头孢他美、单琥珀酸甲酯、苯乙酰谷氨酰胺（正离子模式）、4-（1-Methylethyl）-2,6-dinitroN,N-dipropylbenzenamine、乙酰谷氨酰胺（负离子模式）、邻苯二甲酸二异癸酯、3-硫代吗琳羧酸）构建的随机森林（Random Forest,RF）分类模型的曲线下面积（area under the curve,AUC）分别为0.85和0.88。结合2个临床特征（穿透型CD、非狭窄非穿透型CD）和9种代谢物建立的RF分类模型AUC为0.95。结论:基于血清代谢物、临床特征构建的机器学习模型可有效预测WMT治疗CD的临床疗效,而两者结合能提高预测准确率,更好地服务于临床决策。