目的构建随机森林模型预测乙型肝炎病毒表面抗原（HBsAg）定量检测结果，优化检测流程，减少复测次数与试剂消耗。方法基于2025年1月1日至6月30日于四川大学华西医院实验医学科进行HBsAg定量检测的37 530例样本，回顾性收集同一时间段同一患者的肝功能指标、HBV DNA、年龄、性别等特征，使用合成少数类过采样技术处理样本不平衡，通过网格搜索与阈值调优（侧重高于检出限样本召回率）训练模型。结果该研究构建的随机森林模型对高于检出限样本召回率达98.40%，总体准确率达82.08%。该模型后单月可节约试剂344人份。结论随机森林模型能有效预测HBsAg结果，提升检测效率，为类似滴度检测场景提供参考。