血常规参数直接反映了机体血液系统的关键生理和病理状态，具有检测简便、高效、蕴含信息量大等特点。随着人工智能（AI）技术的迅猛发展，机器学习和深度学习在医学数据分析及部分影像识别中的应用为深度挖掘血常规参数的临床价值开辟了新途径。该文综述了基于血常规参数的AI诊断模型构建与临床应用研究进展，涵盖线性模型、树模型/集成学习、支持向量机和神经网络等方法，通过整合血常规参数和其他临床数据，可构建用于疾病筛查、诊断与风险预测的高效模型，在恶性肿瘤、感染性疾病及良性非感染性疾病的早期识别、预后与转归判断方面展现出应用价值。然而，AI模型的构建和应用仍面临数据隐私和安全性、模型泛化能力及临床整合等挑战。未来需进一步推动多中心前瞻性研究、完善方法学规范，并加强与临床信息系统的深度融合，以促进AI技术在医疗领域的规模化与规范化应用。