目的基于 13C尿素呼气试验（ 13C-UBT）与胃功能指标构建胃癌及癌前病变预测模型，并对模型进行评估。方法选取2024年1月至2025年4月在该院行胃癌筛查的197例患者为研究对象，根据胃镜及病理检查结果分为非萎缩性胃炎组（49例）、胃癌前疾病组（47例）、胃癌前病变组（75例）、胃癌组（26例）。收集研究对象一般资料、 13C-UBT及胃功能指标［胃蛋白酶原（PG）Ⅰ、PGⅡ、PGⅡ/PGⅡ比值（PGR）、胃泌素-17（G-17）］。比较4组 13C-UBT及胃功能指标的差异。采用单因素Logistic回归分析和Lasso回归分析筛选胃癌及癌前病变预测模型的特征指标，应用4种机器学习方法［逻辑回归（Logistic Regression）、轻量级梯度提升机（Light GBM）、支持向量机（SVM）及K近邻（KNN）］构建胃癌及癌前病变预测模型，并从模型的区分度、校准度及临床适应性进行评估。结果4组年龄、 13C-UBT 、PGⅠ、PGⅡ、PGR、G-17比较，差异有统计学意义(P＜0.001)。经回归分析筛选出年龄、PGⅡ、PGR、G-17和 13C-UBT 5个特征指标并纳入预测模型。4个机器学习模型中Logistic Regression模型在训练集与验证集中均表现稳定，其在验证集中的曲线下面积（AUC）为0.810、准确度为0.717、特异度为0.767。校准曲线分析结果显示，4个模型中Logistic Regression模型预测准确性良好（Brier评分=0.183）。SHAP蜂巢图提示G-17是胃癌及癌前病变模型中最重要的预测影响因素。结论基于 13C-UBT与胃功能指标可有效构建胃癌及癌前病变的Logistic Regression预测模型，为胃癌早筛的分级管理提供依据。