目的:应用机器学习方法,提高预测巨大儿的准确性。方法:查阅2015年1月至2016年12月我院产科巨大儿及正常体质量新生儿病历,获取新生儿出生体质量及超声测量数据。以新生儿实际出生体质量为金标准,评价并比较超声内置的Hadlock公式、多元线性回归以及k近邻、支持向量机、随机森林分类的机器学习方法对巨大儿预测的准确性。结果:内置的Hadlock公式预测巨大儿的灵敏度为40.86%,Youden指数为39.95%;多元线性回归预测巨大儿的灵敏度为60.22%,Youden指数为58.85%;机器学习法中k近邻预测巨大儿的灵敏度86.21%,Youden指数为75.10%;支持向量机预测巨大儿的灵敏度86.21%,Youden指数为73.51%;随机森林预测巨大儿的灵敏度81.03%,Youden指数为71.51%。多元线性回归模型方法的Youden指数大于超声内置公式方法,差异有统计学意义(u=3.64,P<0.001);机器学习法中k近邻、支持向量机、随机森林分类的Youden指数大于超声内置公式的Youden指数(P<0.001),k近邻、支持向量机的Youden指数大于多元线性回归模型法(P<0.05)。结论:机器学习方法预测巨大儿的准确性较高,具有参考应用价值。