自发性脑出血（ICH）是神经外科常见的难治性疾病，具有高致死、高致残率的特点，其预后评估对临床决策和个体化治疗具有重要意义。传统 ICH 预后评分系统以临床和影像学指标为核心，虽简便易用但因忽略全身性病理生理状态、无法处理非线性关系等局限性，预测效能受限。近年来，器官间轴理论为 ICH 预后研究提供了新视角，“肝脏 - 脑轴” 下的亚临床肝纤维化被证实可通过影响凝血储备、炎症反应、代谢平衡等途径放大继发性脑损伤，FIB-4、APRI 等无创肝纤维化指数成为量化评估的有效工具。同时，机器学习凭借强大的非线性拟合、高维数据处理和特征交互捕捉能力，突破了传统统计学模型的局限，成为构建精准 ICH 预后预测模型的重要手段，而可解释性人工智能技术则为其临床转化解决了 “黑箱” 问题。本文系统梳理 ICH 预后评估从传统临床评分到新型生物标志物与机器学习融合的研究进展，重点阐述 “肝脏 - 脑轴” 的理论基础和机器学习的应用价值，分析当前研究的不足并展望未来方向，为 ICH 预后评估的临床实践和研究提供参考。