目的 探讨乳腺癌肺转移患者预后危险因素，构建生存预测的诺模图(Nomogram图)模型。方法 数据来源于监测、流行病学和最终结果数据库(SEER数据库)。筛选2010—2015年间5 334例诊断为乳腺癌肺转移的患者，按2∶1的比例分为建模集3 556例和验证集1 778例。采用多变量Cox回归模型分析与总生存率(OS)相关的因素，采用Fine-Gray竞争风险模型评估与乳腺癌特异性生存率(BCSS)相关的因素。结果 建模集与验证集在年龄、种族、性别、原发肿瘤部位、分化分级、T分期、N分期、病理类型、是否手术、是否放化疗、区域淋巴结检出数目、其他远处转移位点(骨、脑、肝)、分子亚型、恶性肿瘤数目、婚姻状态、保险状态等方面比较，差异均无统计学意义(P>0.05)。多变量Cox回归结果显示，年龄、肿瘤分级、T分期、病理组织类型、手术、骨转移、脑转移、肝转移、分子分型与乳腺癌肺转移患者的预后更多具有相关性(P<0.05)。采用受试者工作特征(ROC)曲线和3年生存率的校准曲线对总生存率预测模型进行内部和外部的验证，结果显示内部验证ROPD-0332991使用方法C曲线的曲线下面积(AUC)为0.738,外部验证ROC曲线的AUC为0.746,说明构建的预测模型具有高度的辨别能力和准确性。应用Fine-Gray竞争风险模型对乳腺癌肺转移癌症特异性生存率影响因素进行分析，结果显示年龄、分化程度、T分期、手术、化疗、骨转移、脑转移、肝转移、分子亚型是乳腺癌特异性预后的独立影genetic transformation响因素。根据建模集Fine-Gray竞争风险模型的分析结果，采用ROC曲线和3年生存率的校准曲线对癌症特异性生存率模型进行内部和外部的验证，内部验证ROC曲线的AUC为0.722,外部验证ROC曲线的AUC为0.708,说明构建的模型有较好的辨别能力和准确性。结论 基于筛选出的与乳腺癌肺转移患者预后相关的危险因素，构建具有良好准确性的预测Nomogram图，提供了一种有效预测个体生存率的方法。