目的：基于机器学习的三种算法建立诊断预测模型,比较三种模型在前列腺癌中的诊断价值。方法：2008-2014年在中国人民解放军总医院进行前列腺穿刺活检患者956例(其中前列腺癌463例,前列腺增生493例),通过Logistic回归筛选出的预测因子包括年龄,游离之前列腺特异抗原(游离PSA),游离之前列腺特异抗原百分比(游离PSA百分比),前列腺体积和前列腺特异性抗原密度(PSA密度)。应用基于机器学习的BP神经网络,Logistic回归和随机森林算法构建诊断预测模型,比较三种模型对前列腺癌的预测准确性。结果：Logistic回归,BP神经网络和随机森林模型对前列腺癌的诊断能力比任一单项指标都高,三种模型的灵敏度分别为77.5%,77.4%,76.2%,特异度分别为74.8%,76.8%,76.9%,精确度分别为76%,77%,77%,受试者工作特征曲线下面积(ROC)分别为0.831,0.832,0.833,三种模型对前列腺癌的诊断能力没有显著性差异。结论：上述结果验证了三种模型具有较高的诊断有效性,可把诊断模型纳入泌尿决策,协助临床医生对前列腺癌患者的诊断和治疗,以此减少非必要的穿刺活检。