目的 构建并验证子宫内膜异位症（EMs）患者辅助生殖治疗（ART）中新鲜胚胎移植的临床妊娠率预测模型。方法 选取2017年5月～2023年11月在本院生殖医学中心进行ART治疗的464例子宫内膜异位症不孕患者，并将其分为建模人群（60%）和验证人群（40%）。采用单因素分析、多因素Logistic回归分析、LASSO回归分析EMs患者新鲜胚胎移植妊娠率的相关因素，并建立预测EMs患者新鲜胚胎移植临床妊娠率的列线图模型。采用ROC的曲线下面积（AUC）、校准曲线和决策曲线分别在建模人群和验证人群对预测模型进行验证。为提高模型性能，本研究采用Stacking集成学习方法集成GBM、XGBOOST、MLP3种机器学习方法，利用它们各自优势相互补充以提高模型预测性能。结果 女性年龄、Gn启动用量、ART次数、移植胚胎数是影响新鲜胚胎移植临床妊娠率的独立因素（P<0.05）。通过LASSO模型筛选纳入变量：女性年龄、FSH、Gn时间、Gn启动用量、ART次数、获卵数、移植胚胎数、HCG日内膜厚度、HCG日P。训练集中，模型准确性为0.642(95%CI:0.605-0.679)，测试集中，模型准确性为0.652(95%CI:0.600-0.704)。集成学习方法可以提高模型的性能：训练集中，模型准确性为0.725(95%CI:0.680-0.770)，测试集中，模型准确性为0.718(95%CI:0.675-0.761)。结论 本研究所建立预测模型有助于预测子宫内膜异位症患者新鲜胚胎移植的临床妊娠率，为子宫内膜异位症ART治疗提供指导意见。