目的探讨病原学确诊的结核患者T-SPOT试验假阴性结果的危险因素,为临床正确解读T-SPOT试验结果提供科学的参考依据。方法选取2012年3月至2017年11月浙江大学附属第一医院全院收治的病原学阳性结核病患者1021例为研究对象,收集患者一般临床资料和实验室检查结果等资料。根据T-SPOT试验结果将患者分为两组,通过单因素分析和多因素Logistic回归分析确定T-SPOT试验假阴性的危险因素。以结核病患者为训练样本,利用机器学习支持向量机(Support Vector Machines,SVM)算法建立活动性结核患者T-SPOT试验的结果预测模型。通过曲线下面积、准确性、特异性、敏感性判断SVM模型性能。结果最终共纳入833例确诊结核分枝杆菌阳性患者,其中674例患者T-SPOT试验阳性,159例患者T-SPOT试验结果为阴性,T-SPOT试验假阴性率为19.1%。多因素Logistic回归分析显示女性、老年、抗酸杆菌涂片阴性、慢性肺病和HIV感染为T-SPOT试验假阴性的独立危险因素。SVM模型联合T-SPOT试验得到最低合成假阴性率4.44%,较独立T-SPOT试验假阴性率降低76.75%。结论女性、老年、抗酸杆菌染色涂片阴性、慢性肺病、HIV合并感染患者是T-SPOT假阴性的独立危险因素。对于此类高度怀疑结核感染的患者,应谨慎判读T-SPOT试验结果。SVM预测模型联合T-SPOT试验可以提高T-SPOT结果解读的准确性,有助于结核病的早期诊断。