瘢痕疙瘩為傷口皮膚結締組織過度增生引起的良性皮膚腫瘤。精準預測創傷者瘢痕疙瘩患病風險并及時做出早期診斷，對深度管理瘢痕疙瘩和控制其發展具有重大意義。本研究對高通量基因表達綜合（GEO）數據庫中的4個瘢痕疙瘩數據集進行分析，篩選出瘢痕疙瘩的診斷標志物，并建立列線圖預測模型。首先，通過加權基因共表達網絡分析（WGCNA）、差異表達分析和蛋白質互作網絡中心性算法，篩選出37個核心蛋白質編碼基因。隨后，利用最小絕對值收斂和選擇算子（LASSO）以及支持向量機?遞歸特征消除（SVM-RFE）兩種機器學習算法，從中篩選出4個最具預測能力的瘢痕疙瘩診斷標志物，分別為肝細胞生長因子（HGF）、多配體蛋白聚糖4（SDC4）、外核苷酸焦磷酸酶/磷酸二酯酶2（ENPP2）和Rho家族三磷酸鳥苷酶3（RND3），并通過單基因的基因集富集分析（GSEA）探索可能涉及的生物途徑。最后，對診斷標志物進行單因素與多因素邏輯回歸分析，并構建列線圖預測模型。經內外部驗證發現，該模型校準曲線貼近理想曲線，決策曲線優于其他策略，接受者操作特征曲線下面積高于對照模型（最佳截斷值為0.588），表明該模型具有較高的校準度、臨床收益率以及預測能力，有望為臨床診斷提供有效先期手段。