目的:通过生物信息学方法评估程序性细胞死亡相关基因(programmed cell death related genes, PCDRGs)在食管癌(esophageal carcinoma, EC)中的预后价值，并从多个角度探索EC的发生发展机制及其免疫调节特性。方法:利用TCGA和GSE53622数据集，并结合下载的18种PCDRGs,结合10种不同的机器学习方法开发一种全新的预测模型，命名为“细胞死亡特征”(characteristics of cell deaths, CDS)。通过模型筛选出7个与预后显著相关的基因，并对其与EC的关系进行了深入分析。结果:使用StepCox[both]+RSF方法开发的PCDRGs预后模型显示了最优性能。CDS模型在预测EC患者的临床结果方面表现出显著的效能，并在TCGA和GEO数据集中被证明为独立的风险预测因子。结论:本研究成功构建了一种新型的EC PCDRGs预测模型。该模型在进一步验证后，有望用于预测EC患者的预后及药物治疗的敏感性。