本发明提供一种基于深度学习和可解释机制的预后预测模型建模方法，包括以下步骤：对患者临床数据进行分类，得到影像数据、离散型数据和连续型数据；对影像数据使用图像识别技术进行预处理，得到预处理影像数据；将离散型数据和连续型数据输入到可解释性模块，得到加权特征向量；将治疗方案、预处理影像数据、加权特征向量输入到深度置信网络进行训练，得到预后预测模型。构建得到的预后预测模型包括输入层、卷积神经网络、可解释性模块、深度置信网络。本发明可以较为准确的预测患者治愈或死亡事件的发生时间；可用于对比不同患者的事件风险；还可将输出的概率分布向量绘制成曲线图，直观地展示每个患者的风险。