目的：探讨基于腰椎Dixon MRI的无监督机器学习预测腰椎术后手术部位感染（SSI）的可行性，并结合临床指标构建联合模型。

方法：回顾性分析两个中心1220例行腰椎手术患者的临床及术前腰椎MRI资料，并将他们分为SSI组（n=63）和非SSI组（n=1157）。中心A 患者按8:2的比例随机分为训练组（n=917）和内部验证组（n=229），中心B患者（n=74）作为外部验证组。在队列水平上分别使用高斯混合模型（GMM）和大津算法（Otsu）在腰椎Dixon MRI的脂相图上对椎体进行自动分割，并提取可解释性生境特征用于构建不同的生境模型。将临床独立预测因子与最优生境模型相结合，构建临床-生境模型。使用曲线下面积（AUC）评估模型性能。

结果：年龄、预防性抗生素使用、高血压、手术方式和多节段手术是腰椎术后SSI的临床独立预测指标。基于GMM和Otsu的生境模型AUC分别为0.674和0.681；在联合模型中，基于Otsu的临床-生境模型在训练组、内部验证组和外部验证组中均获得最高的AUC值，分别为0.830、0.801和0.820。

结论：基于Dixon MRI的机器学习模型为预测腰椎术后SSI提供了一种无创方法，结合临床独立预测因素能有效提高预测性能。