本研究旨在构建一个基于群医学导向的可解释人工智能（AI）系统性红斑狼疮孕产妇风险评估框架，并评估其在基层医疗干预中的效果，以提高SLE孕产妇健康管理的精准性和可操作性。

研究采用回顾性队列研究设计，选取2023年1月至2025年12月期间在某基层医疗机构建档的SLE孕产妇作为研究对象。通过整合电子健康记录（EHR）和社区健康调查数据，构建了一个基于XGBoost算法的可解释AI模型。模型输入包括SLE孕产妇的年龄、孕产史、生活习惯、社会经济状况等20个特征。使用SHAP（Shapley Additive Explanations）值进行模型解释，以识别关键风险因素。干预效果通过比较干预组（n=150）和对照组（n=150）的孕产妇不良结局发生率进行评估，采用卡方检验和多元逻辑回归分析数据。

AI模型在验证集上的AUC为0.85（95% CI: 0.82-0.88），显示出良好的预测性能。SHAP分析显示，SLE孕产妇年龄、既往妊娠并发症和家庭收入是影响风险评分的主要因素。干预组的不良结局发生率显著低于对照组（8.0% vs. 15.3%，P＜0.05）。多元逻辑回归分析显示，干预措施与不良结局发生率降低显著相关（OR=0.45，95% CI: 0.25-0.82，P＜0.05）。

本研究构建的可解释AI  SLE孕产妇风险评估框架在基层医疗中具有较高的应用价值，能够有效识别SLE高风险孕产妇并指导针对性干预措施，显著降低不良结局发生率。该框架为基层SLE孕产妇健康管理提供了科学依据和实用工具。