目的 结合CT关键影像特征、术前甲状腺功能检测和临床基本信息分析甲状腺乳头状癌(papillary thyroid carcinoma, PTC)中颈部淋巴结转移(lymph node metastasis, LNM)和颈侧区淋巴结转移(lateral lymph node metastasis, LLNM)患者转移的影响因素，并建立可视化转移预测模型。方法 选择2021年1月—2024年4月在安徽理工大学第一附属医院收治的PTC患者122例，转移组51例、未转移组71例，转移组中LLNM 30例；对上述患者的临床病理特征进行回顾性分析，构建Logistics回归模型和随机森林模型进行多变量分析，筛选并验证可能与LNM或LLNM相关的变量；绘制诺莫图可视化与PTC患者的淋巴转移相关的独立风险值。结果 转移组和非转移组多灶性、微钙化、包膜受侵、肿瘤部位、肿瘤大小、血清促甲状腺激素(thyroid-stimulating hormone, TSH)、游离三碘甲状原氨酸(free triiodothyronine, FT3)水平差异有统计学意义(P<0.05)。多因素Logistic回归分析结果显示，微钙化、肿瘤位置、肿瘤大小、血清TSH、FT3水平是LNM的危险因素(P<0.05)。非LLNM组和LLNM组肿瘤部位、肿瘤大小、血清TSH水平差异有统计学意义(P<0.05)。多因素Logistic回归分析结果显示，转移组中肿瘤大小、血清TSH水平是LLNM的危险因素(P<0.05)。受试者工作特征(receiver operating characteristic, ROC)曲线[曲线下面积(area under curve, AUC)分别为0.884和0.894]表明模型具有良好的预测能力，临床决策曲线和影响曲线展示了良好的临床指导功能；通过随机森林模型验证上述模型，结论与其一致；对各组训练集分析显示，在LNM相关因素中多灶性、TSH、FT3、肿瘤大小、肿瘤部位排名最高，在LLNM相关因素中TSH、肿瘤大小排名最高；验证集ROC曲线(AUC分别为0.845和0.862)进一步证明上述模型具有良好的预测能力。结论 通过绘制可视化诺莫图，发现多灶性、TSH、FT3、肿瘤大小、肿瘤部位等临床特征与LNM密切相关，TSH和肿瘤大小是LLNM发生的危险因素，这一发现将有助于临床医生为PTC患者制定个性化临床治疗方案。