目的基于临床和增强CT特征构建肝内胆管癌(ICC)微血管侵犯（MVI）与神经侵犯（PNI）的联合预测模型。方法选取性4个中心2012年1月至2023年5月病理诊断为ICC的患者252例为研究对象，术前均行增强CT检查，其中随访227例。采用Kaplan-Meier曲线分析无复发生存期（RFS），采用对数秩检验进行组间比较。采用最小绝对收缩和选择算子（LASSO）多步骤分析筛选MVI/PNI阳性的独立预测因素并构建机器学习模型。结果MVI/PNI 阴性组与MVI/PNI 阳性（单阳或双阳）组RFS比较差异均有统计学意义（P＜0.001）。LASSO结果显示肿瘤位置、血小板与淋巴细胞比值（PLR）、动脉期强化类型、影像TMN分期、肿瘤数量、肝内胆管扩张是MVI/PNI阳性表达的独立预测因素，4种机器学习算法的受试者工作特征（ROC）曲线下面积（AUC）分别为0.741、0.781、0.802 和0.736，其中极端梯度提升（XGBoost）模型具有较高的AUC值及较大的净收益，夏普利可解释性算法（SHAP）可实现个体化应用。结论基于临床和CT影像特征的机器学习模型能够同时预测MVI与PNI状态，并通过可解释性SHAP算法提供个体化预测。