目的 探讨18F-FDG PET/CT联合超声构建的多模态列线图模型对三阴性乳腺癌（TNBC）的诊断价值。方法 选取2016年11月至2024年5月在南京大学医学院附属鼓楼医院收治的61例乳腺癌患者作为研究对象，其中TNBC 12例，非TNBC 49例。比较TNBC与非TNBC患者18F-FDG PET/CT代谢参数最大标准化摄取值（SUVmax）、平均标准化摄取值（SUVmean）、最小标准化摄取值（SUVmin）、肿瘤代谢体积（MTV）、病灶糖酵解总量（TLG）及超声参数长径、短径、回声、形态、边界、后方回声、纵横比、微钙化、血流分级和乳腺影像报告与数据系统（BI-RADS）分级。采用最小绝对收缩和选择算子（LASSO）回归进行特征筛选，将筛选出的变量进行二元多因素logistic回归分析得到诊断TNBC的独立影响因素。将影响诊断TNBC的独立因素建立列线图模型并进行可视化，使用受试者操作特征（ROC）曲线、校准曲线及决策曲线分析（DCA）分别评估模型的诊断效能、准确性和临床实用性。结果 TNBC与非TNBC患者间SUVmax（Z=-2.43，P=0.015）、SUVmean（Z=-2.54，P=0.011）、形态（P=0.004）、边界（χ2=4.86，P=0.028）、后方回声（P=0.027）、血流分级（χ2=4.52，P=0.034）差异均有统计学意义。LASSO回归筛选出的3个特征变量为SUVmax、形态和血流分级。多因素分析显示，SUVmax（OR=1.20，95%CI为1.04~1.38，P=0.012）、形态（OR=0.02，95%CI为0.01~0.49，P=0.016）、血流分级（OR=0.06，95%CI为0.01~0.74，P=0.028）均为诊断TNBC的独立影响因素。将上述独立影响因素建立列线图模型。ROC曲线分析显示，SUVmax、形态、血流分级、列线图模型诊断TNBC的曲线下面积（AUC）分别为0.73（95%CI为0.60~0.83）、0.66（95%CI为0.52~0.77）、0.67（95%CI为0.54~0.79）、0.90（95%CI为0.79~0.96），列线图模型的诊断价值高于SUVmax（Z=2.71，P=0.007）、形态（Z=3.61，P<0.001）和血流分级（Z=2.51，P=0.012）单独诊断。校准曲线和DCA显示列线图模型的准确性和临床实用性较好。结论 18F-FDG PET/CT的SUVmax联合超声的形态、血流分级构建的列线图模型具有较好的诊断TNBC的潜在价值。