目的为了评估基于治疗前颈部阳性淋巴结MRI图像所构建的转移风险预测深度学习模型在鼻咽癌（Nasopharyngeal carcinoma,NPC）患者中的价值。方法本研究回顾性纳入初诊无转移且淋巴结阳性的鼻咽癌患者,收集所有患者治疗前鼻咽+颈部MRI（T1W和T2W）图像,由一位医师使用3D-Slicer软件在2个MRI序列中对感兴趣区域（阳性淋巴结）进行勾画。本研究使用3D-Unet深度学习网络构建转移预测深度学习（Deep learning,DL）模型。主要观察终点为无远处转移生存时间（Distant Metastasis-Free Survival,DMFS）,绘制Kaplan-Meier曲线计算生存率,并采用Harrell’s一致性指数（Concordance index,C-index）评价深度学习模型的性能。结果研究共纳入了678例初诊无转移NPC患者（训练队列:N=291;验证队列:N=387）基于治疗前颈部阳性淋巴结MRI构建的转移风险预测模型,计算出T1W联合T2W组合转移风险评分并进行转移风险分层。在训练队列中,高转移风险组患者的5年DMFS显著劣于低转移风险组患者（38.5%vs 96.2%,P＜0.001）,在验证队列中同样观察到此现象（74.6%vs 87.7%,P＜0.001）。在训练对列和验证队列中,多因素分析均显示转移风险评分为DMFS和OS的独立预后因素。在转移风险评估方面,转移风险评分的性能明显优于N分期和EBV-DNA水平（训练队列:0.832 vs 0.619 vs 0.627,P＜0.001;验证队列:0.678 vs 0.577 vs 0.521,P＜0.001）。在高转移风险组中,单纯放疗患者的5年DMFS显著劣于化疗≦3周期和＞3周期的组患者（30.2%vs 54.5%vs 66.0%,P=0.047）;而在低风险组中,患者接受单纯放疗与化疗≦3周期和＞3周期的5年DMFS无显著差异（90.1%vs94.1%vs 94.4%,P=0.42）。结论基于深度学习颈部阳性淋巴结的MRI图像构建的预后模型,可有效预测鼻咽癌转移风险,可作为NPC患者个体化治疗的决策工具。