社区卫生服务机构在全生命周期健康管理工作中存在数据利用率低导致缺乏精准有效的健康评估的关键问题, 文章以机器学习(ML)算法构建慢性阻塞性肺疾病健康风险预测模型为例, 提出全科应用场景下健康风险评估的优化路径, 并对ML算法进行了SWOT分析。尽管ML算法面临数据整合、政策监管等问题和挑战, 相比传统统计学方法, 其方法学的优势可以提高慢性病健康风险预测精度, 具有较好的可行性和应用价值, 可为全科应用场景下健康风险评估赋能, 以期实现社区全生命周期精准健康管理。