目的：本研究旨在通过前瞻性调查,了解鼻咽癌放疗后创伤后口干症状发生现状及影响因素,构建鼻咽癌放疗后口干风险预测模型,并对预测模型进行验证与评价,为医护人员早期识别口干症的高风险人群提供有效的评估工具。方法：本研究为前瞻性研究设计。采用便利抽样方法,选取于2025年5月至2026年02月期间,在云南省某三级甲等肿瘤专科医院放疗的鼻咽癌患者作为研究对象。选取 420 例鼻咽癌放疗患者为对象，收集患者一般资料、实验室指标、腮腺剂量学参数（V45、Dmean）、腮腺影像学数据及放疗后口干量表评分、唾液分泌流率等多维度信息，构建多组学数据集。采用 LASSO 回归筛选核心风险因子，分别构建逻辑回归、随机森林、XGBoost 等 7 种机器学习预测模型，通过 10 折交叉验证、内部与外部验证评价模型效能，以 AUC、准确率、特异度、校准度等指标优选最优模型，并结合 SHAP 方法实现模型可解释性。结果：整合腮腺剂量学、影像学及临床护理指标的机器学习模型可有效预测放疗后口干发生风险，最优模型具备良好的区分度与校准能力。研究构建的模型以列线图呈现，关键指标易于临床获取，可实现口干风险快速分层评估。结论：本研究首次将多组学数据与机器学习融合应用于鼻咽癌放疗后口干风险预测，模型具备精准、可解释、易推广的特点，可为护理人员制定个体化口腔护理方案、早期干预口干并发症提供科学工具，有助于提升鼻咽癌放疗患者的护理质量与生活质量。